Les robots souples utilisent des matériaux compliants pour interagir de manière flexible avec des environnements complexes et incertains, permettant ainsi la manipulation d'objets fragiles et une interaction sécurisée avec les êtres vivants. Leur adaptabilité favorise des innovations dans des domaines tels que la médecine et l'industrie. La conception de robots souples est un défi, même pour les concepteurs expérimentés, en raison de leurs matériaux non linéaires, du couplage multiphysique, de l'interaction complexe entre plusieurs corps et l'environnement, et de leurs nombreux degrés de liberté. Cela explique pourquoi les premières conceptions en robotique souple s'inspiraient de la nature, en imitant des animaux souples comme les vers ou les pieuvres. Les corps souples ont la capacité de se conformer à des objets durs et de se reconfigurer pour différentes tâches, déléguant ainsi une partie importante du contrôle au corps lui-même. Contrairement aux robots rigides, l'intelligence incarnée est encore un sujet émergent en robotique souple. Cependant, il est évident que des comportements intelligents peuvent être rapidement appris par des agents dont la morphologie est bien adaptée à leur environnement. En s'éloignant de la vision traditionnelle de l'intelligence artificielle en robotique, qui se concentre sur l'entraînement au contrôle et à la dextérité du robot sur diverses tâches, cette thèse vise à aborder les défis de contrôle en établissant un lien entre l'intelligence artificielle et la conception des robots souples. Le domaine de la robotique souple présente de nombreux défis en matière de modélisation, de contrôle et de conception. L'équipe DEFROST d'Inria Lille a développé plusieurs outils basés sur la méthode des éléments finis pour relever ces défis, permettant une simulation précise des robots souples. Ces outils ont été utilisés pour le contrôle bas niveau et pour évaluer les conceptions de robots souples avant leur fabrication. Dans ce travail, divers outils de simulation basés sur la méthode des éléments finis et d'optimisation numérique sont appliqués pour explorer la conception computationnelle des robots souples. Cette exploration nécessite de relever plusieurs défis. L'espace de conception doit être suffisamment vaste pour explorer des conceptions pertinentes, mais aussi suffisamment contraint pour rendre le problème d'optimisation abordable. Développer des fonctions d'optimisation mathématiques pertinentes est crucial pour évaluer avec précision la performance et l'efficacité des conceptions de robots souples. Étant donné les exigences importantes en matière de données des algorithmes de conception computationnelle et le coût élevé des simulations précises, nous visons à accélérer la simulation soit en choisissant judicieusement des modèles qui équilibrent le temps de calcul et la précision, soit en employant des techniques d'apprentissage pour accélérer les simulations éléments finies. Cette thèse explore la conception computationnelle des robots souples, en mettant l'accent sur le transfert des résultats numériques de la simulation à la réalité. L'optimisation de la conception de deux manipulateurs souples paramétriques, l'un avec des capteurs intégrés et l'autre avec des capacités d'auto-contact, a été abordée. À mesure que les tâches de contrôle, les environnements et les espaces de conception deviennent plus complexes, la charge computationnelle augmente. Cela motive le développement d'un modèle de substitution appris à partir des simulations éléments finis pour caractériser à la fois la conception et le contrôle des robots souples. L'applicabilité du modèle est démontrée à travers divers scénarios, notamment le contrôle embarqué d'un manipulateur pneumatique et la conception computationnelle d'un manipulateur souple. En outre, un objectif clé de ce travail est de développer des outils pour la co-optimisation de la conception et du contrôle des robots souples.
M. Christian DURIEZ Centre INRIA de l'Université de Lille Directeur de thèse, M. Guillaume LAURENT ENSMM Rapporteur, M. Vincent LEBASTARD IMT Atlantique Rapporteur, Mme Audrey SEDAL McGill University Examinatrice, M. Pierre RENAUD INSA Strasbourg Examinateur, M. Sinan HALIYO Faculté des Sciences et d'Ingénierie - Sorbonne Université Examinateur, M. Olivier GOURY Centre Inria de l'Université Grenoble Alpes Invité.
Thèse de l'équipe DEFROST soutenue le 04/10/2024
français
English