Soutenance mémoire
Télécharger le fichier pdf d’un mémoire de fin d’études
Présentation des robots mobiles autonomes.
On distingue différents types de systèmes, tels que les machines téléguidées, téléopérées ou les robots mobiles.
■ Avec une machine téléguidée, l’homme commande directement les tensions d’entrée des moteurs de celle-ci grâce à un ou deux mini manches (joysticks). Cependant cette opération ne peut être réalisée que lorsque la machine est à vue d’œil d’un opérateur entraîné.
■ L’utilisation en téléopération exclut la nécessité de la vue directe car l’opérateur reçoit des informations sur le comportement interne de la machine et sur son environnement : il envoie ainsi des consignes ou des commandes directes à la machine. Cependant, ce type d’opération ne peut s’effectuer que si la liaison entre l’opérateur et la machine est possible.
■ Le robot se différencie essentiellement des autres systèmes par sa simplicité de commande : l’opérateur donne l’ordre au robot d’accomplir une certaine tâche à un endroit précis, alors qu’il doit communiquer aux autres systèmes des consignes (de vitesse, de cap).
■ Pour sa part, un robot mobile autonome n’a pas besoin de communiquer avec
l’opérateur, pourvu qu’il dispose de capacités de perception de l’environnement (capteurs en tous genres). Il n’est donc commandé qu’à partir d’ordres synthétiques (du type : « aller du lieu 1 au lieu 2 »). [GIR 04]
Mode de programmation d’un robot.
La simplification des ordres est permise soit par l’apprentissage soit par la programmation du robot [GIR 04].
■ L’apprentissage se fait en déplaçant à la main le robot ou un appareil plus léger de même structure. Il est possible d’enregistrer tous les mouvements ou seulement quelques points particuliers de ceux-ci, l’unité de commande se chargeant d’extrapoler les mouvements intermédiaires (trajectoires et vitesses), ainsi que les arrêts.
■ La programmation au clavier consiste à commander manuellement à l’aide de boutons ou de leviers les mouvements, et à enregistrer le nombre nécessaire de positions. Les vitesses et les arrêts sont programmables de la même façon.
■ La programmation directe s’effectue sur des unités de calcul appelées microcontrôleurs. Elle permet le figeage de la partie commande par les informaticiens.
Définition opérationnelle
Un robot mobile autonome est un système automoteur, disposant de moyens de traitement de l’information (permettant une capacité décisionnelle suffisante) et de moyens matériels adaptés (charge utile), de façon à pouvoir exécuter, sous contrôle humain réduit mais nécessaire, un certain nombre de tâches dans un environnement variable inconnu.
Il faut donc que le robot puisse embarquer assez d’énergie pour se déplacer et soit capable d’acquérir des informations sur son environnement et de dialoguer avec un opérateur. [GIR 04]
Décomposition canonique d’un robot mobile autonome.
A partir de la définition vue précédemment, on peut décomposer un robot mobile autonome en plusieurs sous-systèmes [GIR 04] :
Les trois principaux systèmes sont les sous-systèmes mobilité, charge utile, contrôle/commande/communication/décision (voir figure 1.5) :
■ Le premier associe l’ensemble des éléments mécaniques et électriques permettant l’autonomie de mouvements nécessaires au robot. On intègre dans ce sous-système la génération d’énergie.
■ Le deuxième sous-système est plus spécifique à la mission du robot : ce peut être une caméra, un outil de nettoyage etc.
■ Le troisième sous-système regroupe l’ensemble des moyens d’acquisition, de traitement, et de calcul qui permettent au robot d’avoir une certaine autonomie décisionnelle.
Les problèmes posés.
La planification de trajectoire.
On voit ainsi au travers de cette première approche assez théorique apparaître un problème essentiel : la planification de la trajectoire. Comment en effet construire un robot capable de se mouvoir dans un environnement extérieur en décidant de sa direction ? Différentes approches sont envisageables selon que le robot évolue en milieu connu ou inconnu :
■ L’évolution en territoire cartographié concepteurs : une fois la carte de la simplifie évidemment la tâche des zone d’évolution introduite dans la mémoire d’un ordinateur communiquant avec le robot ou bien dans une mémoire intégrée au robot lui-même, des algorithmes de routage permettent de diriger le robot.
Il en va tout autrement dans le cas de l’évolution en territoire inconnu. Le robot doit alors analyser son environnement au moyen de différents capteurs (voir le paragraphe Les problèmes liés à l’évitement d’obstacles), détecter sa position par rapport à son but, et décider de sa trajectoire. Cette localisation peut s’effectuer par différentes méthodes :
■ triangulation de signaux émis par des balises déposées au cours du déplacement
■ repérage d’obstacles à distance, et construction d’une carte du site
■ mesures odométriques (vitesse de déplacement, dérive par rapport à une position donnée) et estimation de la position.
On applique ensuite des algorithmes complexes pour diriger le robot. Ceux-ci peuvent amener des résultats plus ou moins heureux, le principal problème étant la non-convergence de certaines boucles de déplacement. Si aucun algorithme de secours n’a été prévu, l’intervention humaine est alors nécessaire. [GIR 04]
L’évitement des obstacles.
La détection et l’évitement des obstacles sont les étapes fondamentales de l’évolution d’un robot en territoire inconnu. On dispose à cet effet de plusieurs types de capteurs :
■ Caméras ; un programme d’analyse des images étant alors nécessaire.
■ Capteurs laser
■ Capteurs infrarouges
■ Capteurs à ultrasons
Une fois les obstacles repérés, le robot peut effectuer plusieurs actions, par exemple : cartographier le site sur lequel il évolue, vérifier si sa distance à l’obstacle est supérieure ou non à une distance limite, et dans le cas contraire, éviter l’obstacle… [GIR 04].
La navigation
Définition
Un mouvement est une application définie en fonction du temps t, reliant un point initial à l’instant t0 à un point final à l’instant tf. Une trajectoire est le support d’un mouvement. Il s’agit donc d’une courbe paramétrée par une variable s quelconque. L’évolution du paramètre s en fonction du temps t est appelée mouvement sur la trajectoire. [BAY 06]
Le problème de navigation d’un robot mobile consiste de la manière la plus générale à trouver un mouvement dans l’espace des configurations sans collisions, traditionnellement noté Cfree. Ce mouvement amène le robot d’une configuration initiale q0 = q(t0) à une configuration finale qf = q(tf ). On peut néanmoins donner des définitions différentes de la tâche de navigation à accomplir, selon le but recherché : par exemple on peut souhaiter seulement placer le robot dans une zone donnée ou relâcher la contrainte d’orientation, etc.
La tâche de navigation ainsi définie est donc limitée à un seul mouvement. Il existe néanmoins une très grande variété de travaux et de méthodes permettant d’aborder ce problème difficile. Pour différencier les techniques de navigation, on peut de manière classique distinguer deux approches :
■ la première consiste à planifier le mouvement dans l’espace des configurations et à l’exécuter par asservissement du robot sur le mouvement de consigne (schéma planification – exécution) ;
■ la seconde consiste à offrir un ensemble de primitives plus réactives. Elles correspondent alors à des sous – tâches (suivre un mur, éviter un obstacle) dont on estime que l’enchaînement est du ressort d’un planificateur de tâches ayant décomposé la tâche globale.
Les plates-formes à pattes.
Des plates-formes à deux, quatre ou six pattes peuvent également être utilisée. Les plates-formes à six pattes sont relativement pratiques car le robot est en équilibre permanent, ce qui facilite le contrôle.
Les capteurs.
Nous présentons dans cette section les capteurs les plus couramment utilisés en robotique mobile pour les besoins de la navigation [FILL 04].
Les capteurs proprioceptifs.
Les capteurs proprioceptifs permettent une mesure du déplacement du robot. Ce sont les capteurs que l’on peut utiliser le plus directement pour la localisation, mais ils souffrent d’une dérive au cours du temps qui ne permet pas en général de les utiliser seuls. On trouve l’odomètrie, Les systèmes radar Doppler et Les systèmes inertiels,
Les télémètres
Il existe différents types de télémètres, qui permettent de mesurer la distance à l’environnement, utilisant divers principes physiques. On trouve les télémètres à ultrason, les télémètres à infrarouge et les télémètres laser [BAY 06].
Les cameras
L’utilisation d’une caméra pour percevoir l’environnement est une méthode attractive car elle semble proche des méthodes utilisées par les humains. Le traitement des données volumineuses et complexes fournies par ces capteurs reste cependant difficile à l’heure actuelle, même si cela reste une voie de recherche très explorée.
Autres capteurs
Il y a d’autre type de capteur comme les capteurs tactiles (ou capteur de choc), les boussoles, les balises et le GPS.
Groupes de robots mobiles.
L’avantage du travail collectif sur le travail individuel n’est plus à démontrer. Les exemples justificatifs ne manquent pas : travailler en groupe diminue le temps nécessaire pour effectuer une tâche dés que celle-ci est parallélisable ou encore permet d’exécuter des tâches impossibles à réaliser par un individu seul. Le fait que le travail collectif permette de dépasser les limitations propres aux membres d’un groupe est donc un des moteurs qui pousse à s’organiser et à travailler en groupe.
Cela est utilisé par les êtres humains depuis la création des premières sociétés. Ainsi, que se soit pour alléger notre charge de travail ou pour augmenter les profits d’une entreprise, nous tendons à faire travailler les robots à notre place. Or les capacités de ces derniers, bien qu’étant potentiellement largement supérieures aux nôtres, resteront toujours limitées. Malgré les progrès technologiques, un robot ne pourra jamais être à deux endroits en même temps ou être infaillible. Pour pallier à ces limitations, il est important de mettre au point des approches permettant aux robots de travailler en groupe, entre eux et avec nous [RAÎ 04].
Effectuer une tâche de manière collective implique, pour les membres du groupe, d’interagir les uns avec les autres. Le travail en groupe possède également des inconvénients : lorsqu’une tâche est partagée entre plusieurs agents, humains ou artificiels, il apparaît inévitablement des conflits entre eux au niveau des ressources qu’ils partagent. Par exemple comme deux agents ne peuvent pas être au même endroit au même moment, le partage de l’espace où s’effectue la tâche est une source de conflit.
Formation de groupe de robots mobiles
Trois catégories de caractéristiques peuvent être associées aux diverses stratégies utilisées pour réaliser une formation de robots [LEM 03].
Perception
Cette catégorie permet de caractériser une approche par la manière dont les robots perçoivent leur environnement. Comme caractéristiques de perception affectant les approches de formations, il y a tout d’abord la visibilité des robots entre eux. Cette visibilité peut être complète (chaque robot sait où les autres robots se trouvent) ou limitée (chaque robot perçoit, via ses capteurs, les robots à proximité).
Le système de référence affecte aussi les perceptions des robots : dans un système référentiel absolu, la position des robots dans leur environnement s’évalue par rapport à un seul point commun, tandis que dans un système référentiel relatif, chaque robot évalue la situation par rapport à sa propre position dans l’environnement. Enfin, les perceptions des robots sont aussi affectées par la présence ou non d’informations communiquées. Ces informations peuvent être globales (informations portant sur l’ensemble de la formation) ou locales (informations propres à un sous-groupe de robots en particulier).
Formation
Cette catégorie regroupe les caractéristiques des formations que le groupe de robots peut réaliser. Ces formations se distinguent par trois facteurs importants. D’une part, nous retrouvons les types de formations qu’un groupe de robots peut effectuer. Parmi toutes les formations arbitraires possibles, nous retrouvons les types de formations : centrées (le conducteur est positionné dans le milieu de la formation) tel que les formations en cercle, en diamant, en coin (wedge), en ligne, en triangle, en rectangle, en flèche, en hexagone ; non-centrées (le conducteur est positionné à une extrémité de la formation) tel que la formation en colonne. D’autre part, la référence de positionnement utilisée par chacun des robots pour que la formation se réalise est une autre caractéristique de la formation.
Trois façons de faire se démarquent : le positionnement centre-référencé signifie que les robots dans le groupe se positionnent par rapport au centre de la formation ; le positionnement point-référencé veut dire que les robots se positionnent par rapport à un point quelconque (tel le conducteur de la formation ou un point «virtuel » associé à la formation) dans leur environnement; le positionnement voisin-référencé où chaque robot maintient sa position dans la formation par rapport à un ou deux robots à proximité. Finalement, il est possible de différencier les formations par leurs contraintes de structure, à savoir si la formation est rigide (c’est-à-dire qu’elle ne peut pas se déformer en cas de contraintes d’espace ou d’obstacles) ou encore flexible (c’est-à-dire qu’elle permet au groupe de robots de déformer sa formation afin de s’ajuster aux différentes contraintes de l’environnement).
Contrôle
Cette catégorie caractérise le processus de décision pour la mise en place de la formation. Ce processus peut être centralisé (c’est-à-dire qu’un seul robot prend les décisions) ou distribué (tous les robots participent à la prise de décision). La catégorie caractérise aussi la dépendance au temps pour le contrôle de la formation, où les robots peuvent être avec mémoire (les robots sont influencés par ce qu’ils ont fait dans le passé) ou sans mémoire (les robots ne tiennent pas compte de leurs décisions antérieures). Finalement, la stratégie utilisée pour contrôler un groupe de robots peut être basée sur des lois de contrôle, sur une approche de type comportementale ou encore sur une stratégie hybride (une stratégie combinant plusieurs mécanismes de contrôle).
Méthodes des potentiels fictifs.
L’utilisation de champs potentiels a été développée principalement et indépendamment par Khatib [KHA 86] et Krogh [KRO 86].
Dans la méthode d’évitement d’obstacles par champs de potentiels, le robot est assimilé à une particule se déplaçant suivant les lignes de courant d’un potentiel créé en fonction de l’environnement perçu par ce dernier. Ce potentiel traduit différents objectifs tels que l’évitement d’obstacles ou une direction de déplacement préférée. Il est calculé par sommation de différentes primitives de potentiels traduisant chacun de ces objectifs (Figure 2.2). Ces différents potentiels peuvent avoir une étendue spatiale limitée ou non (par exemple, n’avoir une influence que près des obstacles) et leur intensité peut dépendre ou non de la distance.
Le gradient de ce potentiel donne, en chaque point de l’espace, la direction de déplacement du robot (Figure 2.2). Comme c’est ce gradient, et non la valeur absolue du potentiel, qui nous intéresse, il est possible de calculer directement en chaque point sa valeur par une simple somme vectorielle en ajoutant les valeurs issues des différents potentiels primitifs. Ainsi, pour un robot se déplaçant en ligne droite en espace ouvert et évitant les obstacles qu’il peut rencontrer, nous obtenons par exemple les lignes de courant illustrées figure 2.3.
Etablissement du niveau de potentiel des points caractéristiques.
Le graphe de visibilité fini Gv dont les nœuds sont les points caractéristiques est généré à partir du point-cible. A partir d’un point caractéristique donné on crée une arête le reliant à un autre point caractéristique chaque fois que ce dernier est visible depuis le point considéré. Ces arêtes sont valuées par la distance séparant les deux points caractéristiques.
Le graphe Gv ( Gv = [ X , E ] ) est un graphe connexe orienté tel que X = {Pc, P1, …, Pn} sont les n + 1 points caractéristiques et E = {e1,, …, em} sont les m arêtes.
Propriété qualitative des réseaux de Petri.
Propriété comportementale.
Atteignabilité.
La dynamique d’un système modélisé à l’aide d’un RdP est représentée par l’évolution des marquages obtenus, à partir du marquage initial M0, par le franchissement de transitions. R(M0) représente l’ensemble des marquages qu’ils est possible d’atteindre à partir de M0. Dans l’étude d’un système dynamique, il est souvent souhaitable de savoir si un état donné peut être atteint ou, à l’inverse, si un état non désiré risque d’être atteint. Ce problème est appelé problème d’atteignabilité.
G-objet de type action.
Une Action représente une partie du traitement effectué par un Processus. Dans le modèle, elle correspond à un niveau de description atomique. Elle est naturellement associée aux transitions.
Conformément à la théorie des réseaux de Pétri [BRA 82], “l’exécution” d’une transition se décompose en :
■ Evaluation de la précondition (éventuellement bloquante).
■ Réalisation du traitement associé
■ Production du marquage postcondition
Les différents Processus du modèle sont des entités séquentielles concurrentes dont l’exécution est soumise à des contraintes liées aux Actions. Ces contraintes mettent en œuvre une séquentialisation des Actions des différents processus instanciés. Elles s’expriment :
■ Directement : l’exécution d’une Action implique plusieurs processus instanciés qui réalisent ainsi une synchronisation.
■ indirectement : l’exécution d’une Action est liée au contenu de Ressources, c’est-à-dire de zones de stockage contenant des données produites par d’autres processus instanciés; il y a réalisation d’une communication asynchrone.
Les contraintes directes définissent des Actions dont les conditions d’activation dépendent du contexte de plusieurs processus instanciés. Elles sont exprimées par des arcs reliant des Etats_Processus de différents Processus à l’Action.
Les contraintes indirectes définissent des Actions dont “l’activabilité” est soumise au contexte d’un seul processus instancié. Elles sont exprimées par des arcs reliant des Ressources à l’Action.
|
Table des matières
Introduction générale.
Objectifs
Plan du mémoire
Chapitre 1. Etat de l’art sur la robotique mobile et sur la coopération entre robots
1. Robotique mobile
2. Aperçu historique
3. Présentation des robots mobiles autonomes
4. Mode de programmation d’un robot
5. Définition opérationnelle
6. Décomposition canonique d’un robot mobile autonome
7. Les problèmes posés
7.1. La planification de trajectoire
7.2. L’évitement des obstacles
7.3. La navigation
8. Matériels courants en robotique
8.1. Les effecteurs
8.1.1. Les plates-formes différentielles
8.1.2. Les plates-formes omnidirectionnelles
8.1.3. Les plates-formes type voiture
8.1.4. Les plates-formes à pattes
8.2 Les capteurs
8.2.1. Les capteurs proprioceptifs
8.2.2. Les télémètres
8.2.3. Les cameras
8.2.4. Autres capteurs
9. Groupes de robots mobiles
9.1. Formation de groupe de robots mobiles
9.1.1. Perception
9.1.2. Formation
9.1.3. Contrôle
10. Conclusion
Chapitre 2. Planification de trajectoire et navigation
1. Méthodes de planification de trajectoire
1.1. Présentation du problème
1.2. Méthodes globales
1.2.1 Définitions de l’espace des configurations
1.3. Méthodes locales
1.3.1 Méthodes des potentiels fictifs
1.3.2 Méthodes des contraintes
1.4. Vers des méthodes mixtes
2. Algorithme basé sur la définition des points caractéristiques de l’environnement
2.1. Définition des points caractéristiques de l’environnement
2.2. Etablissement du niveau de potentiel des points caractéristiques
2.3. Etablissement de la carte 2D de potentiel
3. Algorithme basé sur la notion de voisinage et contournement d’obstacles
3.1. Notion de voisinage et de distance
3.2. Diffusion du potentiel
4. Conclusion
Chapitre 3. Ordonnancements des déplacements des robots et leur décomposition en machines à états communicantes
1. Introduction
2. Définition de base
2.1. Matrice d’incidence
2.2. Règles de fonctionnement d’un réseaux de Pétri
2.3. Propriété qualitative des réseaux de Pétri
2.3.1 Propriété comportementale
2.3.1.1 Atteignabilité
2.3.1.2 Bornitude
2.3.1.3 Vivacité et blocage
2.3.2 Propriété structurelle
2.3.2.1 Vivacité structurelle
2.3.2.2 Conservation
2.3.2.3 Répétition
2.3.2.4 Consistance
3. Méthode d’analyse
4. Présentation des composants G-Objets
4.1 G-objet de type processus
4.1.1 Compteur ordinal d’un processus
4.1.2 Mot d’état d’un processus
4.1.3 Processus instancié
4.2 G-objet de type action
4.3 G-objet de type état_processus
4.4 G-objet de type ressources
4.5 Semi flots et G-objet
4.5.1 Semi-flots d’un réseau de Pétri Ordinaire
4.5.2 Modèle structurel
4.6 Algorithme de décomposition en processus
4.6.1 Description de l’algorithme
5. Exemple de décomposition en G-Objets
6. Conclusion
Chapitre 4. Implémentation des processus parallèles à l’aide du langage de programmation ADA
1. Introduction
2. Ada 95 un langage de programmation
2.1 Historique.
2.2. Structure d’un programme Ada
2.3. Le multi – tâche en Ada
2.4. Les exceptions en Ada
3. Interfaces des modules composants l’ensemble G-Objets générés. 72
3.1. Interface modules-Processus.
3.1.1. Services requis et offerts
3.2. Interface Module de gestion des synchronisations
3.2.1 Services requis et offerts
3.3. Interface Module de contrôle
3.3.1 Services requis et offerts
4. Conclusion
Chapitre 5. Conception d’une plateforme de robots mobiles autonomes et début de réalisation.
1. Conception de la plateforme de robotique mobile
1.1. Introduction
1.2. Conception des robots
1.2.1 Le châssis
1.2.2 L’étage pour l’électronique embarquée
1.2.3 Les roues
1.2.3.1 Roues motrices
1.2.3.2 Roue libre
1.2.4 Les actionneurs
1.2.4.1 Moto réducteur
1.2.4.2 Moteur Pas à Pas
1.2.5 Bloc d’alimentation
1.2.5.1 La batterie
1.2.5.2 Montage de régulation
1.3. L’électronique du robot
1.3.1. Cerveau du robot
1.3.2. Carte moteur : Une carte de puissance pour les moto-réducteur
1.3.3. Carte capteur : Un système de détection infrarouge IR
1.3.3.1. Principe de fonctionnement
1.3.3.2. Le récepteur infrarouge
1.3.3.3. But à atteindre
1.3.4. Carte localisation : Un système de localisation à base de balise infrarouge
1.3.4.1. Principe de fonctionnement
1.3.4.2. Algorithme de triangulation
1.3.4.3. Tourelle commandée par un moteur pas-à-pas unipolair
2. Conclusion
Chapitre 6. Simulation
1. Planification de trajectoire
1.1. Etablissement d’une trajectoire
1.2. Conclusion
2. Implémentation des processus parallèles à l’aide du langage de programmation ADA
2.1. Conclusion
Conclusion générale
Bibliographie
Télécharger le rapport complet
