La modélisation de robots souples est extrêmement difficile, à cause notamment du nombre théoriquement infini des degrés de liberté. Cette difficulté est accentuée lorsque les robots ont des configurations complexes. Ce problème de modélisation entraîne de nouveaux défis pour la calibration et la conception des commandes des robots, mais également de nouvelle opportunités avec de nouvelles stratégies de détection de force possibles. Cette thèse a pour objectif de proposer des solutions nouvelles et générales utilisant la modélisation et la vision. La thèse présente dans un premier temps un modèle cinématique à temps discret pour les robots souples reposant sur la méthode des éléments finis (FEM) en temps réel. Ensuite, une méthode de calibration basée sur la vision du système de capteur-robot et des actionneurs est étudiée. Deux contrôleurs de position en boucle fermée sont conçus. En outre, pour traiter le problème de la perte d'image, une stratégie de commande commutable est proposée en combinant à la fois le contrôleur à boucle ouvert et le contrôleur à boucle fermée. Deux méthodes (avec et sans marqueur(s)) de détection de force externe pour les robots déformables sont proposées. L'approche est basée sur la fusion de mesures basées sur la vision et le modèle par FEM. En utilisant les deux méthodes, il es possible d'estimer non seulement les intensités, mais également l'emplacement des forces externes. Enfin, nous proposons une application concrète : un robot cathéter dont la flexion à l'extrémité est pilotée par des câbles. Le robot est contrôlé par une stratégie e contrôle découplée qui permet de contrôler l'insertion et la flexion indépendamment, tout en se basant sur un modèle FEM.
Directeur de thèse : Christian Duriez, Professeur Rapporteurs : Robert Howe, Professeur Danail Stoyanov, Professeur Examinateurs : Jessica Burgner-kahrs, Professeur Associé Cécilia Laschi, Professeur Hongbin Liu, Professeur Associé Stéphane Cotin, Directeur de Recherche Jérémie Dequidt, Professeur Associé
Thesis of the team DEFROST defended on 10/01/2019
français
English