Thèse de Eulalie Coevoet

Modèle inverse de robots souples basés sur des méthodes d'optimisation, avec prise en compte des contacts

La robotique souple s'inspire de la nature, de la manière dont les organismes vivants se déplacent et adaptent leur forme à leur environnement. Contrairement aux robots traditionnels, les robots souples accomplissent des tâches avec plus de flexibilité. Les matériau souples avec lesquels ils sont construits les rendent plus sûrs pour des environnements fragiles. Cependant, le domaine de la robotique souple pose de nouveaux défis en particulier pour la modélisation et le contrôle. Dans cette thèse, nous visons à fournir des méthodes génériques pour leur modélisation. Les méthodes sont basées sur la méthode des éléments finis pour capturer les déformations de la structure du robot, et de son environnement, quant il est déformable. Nous formulons le problème de leur cinématique inverse et dynamique inverse comme un programme d'optimisation, permettant de gérer facilement des contraintes aux actionneurs et des problèmes de singularité. Nous sommes en mesure de contrôler plusieurs types d'actionnement, tels que les actionnements par câbles, pneumatiques et hydrauliques. De plus, la plupart des applications impliquent une interaction du robot avec des obstacles. Or, la cinématique des robots souples dépend fortement des facteur environnementaux. Nous proposons ainsi de nouvelles méthodes qui prennent en compte les contacts dans le processus d'optimisation. Enfin, nous proposons de contrôler certaines tâches de locomotion et de préhension nécessitant l'utilisation de contacts flottants (statique). Nous accordons une attention particulières à fournir des solutions avec des performances temps réel, permettant un contrôle en ligne des robots dans des environnements changeant.

Jury

Christian DURIEZ, Directeur de Thèse, Directeur de Recherche INRIA Lille Rapporteurs : Jamie PAIK, EPFL Nicolas MANSARD, CNRS Examinateurs : Allison OKAMURA, Standford University François CHAUMETTE, INRIA Hadrien COURTECUISSE, CNRS Adrien ESCANDE, CNRS-AIST JRL Cécilia LASCHI, BioRobotics Institute of Scuola Superriore Sant'Anna in Pisa, Italy

Thèse de l'équipe DEFROST soutenue le 09/01/2019