Résumé : Dans cette thèse est présentée une approche cognitive pour la planification de trajectoire sous contraintes. Elle repose en premier lieu sur DKP: un planificateur de trajectoires par échantillonnage. DKP construit un arbre d'exploration dans les parties atteignables de l'environnement à la manière d'un A*. Les solutions sont des trajectoires splines quadratiques adaptées au contrôle de robots à deux roues indépendantes. La couche de propagation construit un espace des paramètres, contenant toutes les valeurs des paramètres laissés libres dans les solutions. Il est représenté sous la forme d'une surface contenant toutes les solutions locales qui respectent les contraintes du problème: vitesse, accélération, évitement d'obstacle,... Ensuite, une recherche de solutions est effectuée sur l'espace des paramètres selon un critère d'optimisation. DKP a la propriété d'être entièrement déterministe: les résultats sont reproductibles et son comportement est complètement contrôlable. Ce contrôle sert à définir des comportements de pilotage. Ils sont exprimés sous la forme d'un arbre de comportements: chaque comportement agit sur la manière dont l'arbre d'exploration produit par DKP progresse dans l'environnement. De plus, les comportements sont appliqués en fonction de la partie explorée. Ainsi, seuls les comportements faisables sont développés. TÆMS permet de décrire ces comportements de pilotage puis d'évaluer les solutions ainsi construites. Pour résumer, mon approche cognitive repose sur l'évolution conjointe d'un arbre de comportements de pilotage et d'un arbre d'exploration: elle fait ainsi le lien entre planification classique et planification de trajectoire sous contraintes. Abstract: In this thesis, I present two new contributions. First, I provide DKP: a sample-based approach for trajectory planning. DKP uses a selection/propagation architecture to build an exploration tree in the reachable parts of the environment, guided in an A* manner. Solutions are quadratic spline trajectories that are immediately executable by two-wheeled robots. The propagation level builds a parameter space which contains all the values of the free parameters in the solution. It is represented as a surface containing all local solutions which respect kinodynamic constraints: speed, acceleration, obstacle avoidance,... Then, a search is applied on the parameter space using an optimization criterion. DKP is deterministic: every result produced by DKP may be repeated. Second, this control is used to define steering behaviors. These are expressed within a steering tree: every behavior acts on the way the exploration tree built by DKP progresses in the environment. Steering behaviors are applied according to the explored part. Thereby, TÆMS is used to describe the steering behaviors and to evaluate the solutions. To sum up, my cognitive approach takes advantage on the common building of a steering tree and an exploration tree which validates respect of constraints: thus, we get a link between classing planning and trajectory planning under constraints.
Directeur : Philippe MATHIEU, Pr, LIFL Lille1 Co-encadrant : Cédric DINONT, Dr, ISEN Lille Rapporteurs : Rachid ALAMI, DR CNRS LAAS, Toulouse François CHARPILLET, DR INRIA, Nancy Membres : Michael DEFOORT, MCF, LAMIH, Valenciennes Zahia GUESSOUM, HDR, LIP6, Université de Reims Patrick TAILLIBERT, Thales Systèmes Aéroportés Philippe VANHEEGHE, HDR, LAGIS Lille1 Invité : Emmanuel DRUON, Dr, ISEN, Lille
Thesis of the team SMAC defended on 02/02/2012
français
English