Université Montpellier > LIRMM > Rob

Research thematics

MAIN APPLICATION DOMAINS

Kartic networks exploration

Marine biodiversity assessment

 

TRANSVERSAL RESEARCH THEMATICS



Design, modeling and command of underwater robot

Notre thématique principale est la modélisation et la commande dynamique de systèmes mobiles sur-actionnés, sous-actionnés ou à actionnement adaptable, en environnement aquatique.La conception des lois de commande est basée sur des approches non-linéaires de type Lyapunov et linéarisation exacte sur des variétés Riemanniennes (en particulier l’hypersphère des quaternions) ou, plus récemment, dans l’algèbre se (3). La question de la robustesse est abordée explicitement. Les garanties de convergence qu’apportent ces techniques de conception sont exploitées ensuite pour traiter de la question de la recherche de garantie de performance appliquée à l’ensemble du système robotique.

Ces lois de commande sont appliquées aux quatre problématiques suivantes, prises isolément ou de manière combinée [lirmm-01904348] :

  • stabilisation.
  • suivi de chemin.
  • suivi de trajectoire et de cible.
  • évitement d’obstacles.

Ces lois de commande (ou de guidage) sont implémentées dans une architecture du type Navigation-Guidage-Contrôle (NGC). La Navigation traite des questions d’observation, d’estimation et donc de localisation et de cartographie (SLAM) du robot. Ces approches sont appliquées aux contextes particuliers de nos objectifs applicatifs (milieux confinés – Karst [lirmm-01904361], navigation relative à l’environnement – récifs coralliens [lirmm-01588991]). Ces contextes exigent de dresser des modèles d’environnement adaptés à leur implémentation et à leur exploitation dans la boucle de commande [lirmm-01904345].

Une autre de nos thématiques traite des propriétés de l’actionnement. Elle est abordée par une approche d’optimisation algébrique de la redondance structurelle d’actionnement et par la prise en compte des non linéarités (saturations, zones mortes et non-linéarités différentiables) de la réponse des actionneurs. Ces travaux visent à :

  • assurer la robustesse (tolérance aux pannes) de l’étage d’actionnement [lirmm-01898288],
  • adapter la performance de l’étage d’actionnement aux différents contextes de la mission (optimisation énergétique, réactivité, atteignabilité…) [hal-02129591],
  • adapter la commande à des système à structure d’actionnement variable, jusqu’à la commutation stable entre des configurations d’actionnement différents (sur et sous-actionné, par exemple).


Dependability and garantee of performance

Une première étape de la sûreté de fonctionnement d’un système réside dans l’amélioration de la confiance que l’on peut apporter au système robotique en faisant appel à des méthodes de validation du comportement décisionnel de haut niveau. En représentant ce comportement comme un système à événements discrets, il est alors possible d’utiliser des méthodes formelles telles que le model-checking pour vérifier exhaustivement certaines des propriétés attendues du système (comme par exemple la faisabilité d’une mission)[lirmm-01588991] [lirmm-01592588].

La fiabilité est une propriété incontournable des systèmes autonomes. Elle nécessite la mise en place de techniques de tolérance aux fautes et de FDIR (Fault Detection Isolation and Recovery). L’architecture de contrôle doit en permanence surveiller le comportement du système pour détecter l’occurrence de fautes logicielles ou matérielles de façon à adapter la séquence NGC en fonction des ressources opérationnelles. Cela passe par une analyse préalable du système permettant d’identifier les défaillances potentielles, leurs origines ainsi que, en fonction de leur gravité, les actions correctives pouvant être exécutées [lirmm-01241181] [lirmm-01591460].

Nous nous intéressons également à la possibilité de garantir la performance d’une mission, avant et pendant son déroulement. La méthodologie proposée est basée sur la projection des contraintes de performance (durée de la mission, consommation énergétique, précision de localisation, etc.) sur le scénario nominal de la mission. En environnement connu, nous avons adressé la problématique de l’autonomie comportementale du système en permettant un management déterministe hors ligne et en ligne des ressources matérielles et logicielles assurant la satisfaction des objectifs de performance imposés par l’utilisateur [lirmm-01310965] [lirmm-01310961] .


Representation of the environment

La particularité des ambitions applicatives de nos travaux est que le système se meut ou agit en référence à l’environnement, qu’il soit confiné dans le cas du karst ou ‘semi-ouvert’ pour une navigation près des récifs coralliens. Ainsi la commande de ces robots doit être effectuée en regard d’un modèle d’environnement. Ce dernier est nécessairement une fusion des connaissances a priori (si disponible) à celles acquises par la suite de capteurs environnementaux disponibles sur le robot. Ces modèles sont ensuite exploités pour effectuer la navigation confinée karstique (centrage et détection de l’espace navigable, SLAM) et l’évitement d’obstacle ou le suivi de fond et/ou de parois pour la navigation corallienne. Ainsi la question de la représentation de l’environnement est une question clef de nos travaux [lirmm-01071307].

Nos travaux en lien avec la représentation de l’environnement se sont déployés au travers d’une action directement liée au domaine sous-marin et d’une étude plus amont sur la sémantique pouvant être associée à aux modèles de l’environnement.

ARCHEO : ce projet a pour objectif de reconstruire en 3D des objets archéologiques en environnement sous marin [lirmm-01387784]. Une méthode de fusion est proposée afin d’obtenir une carte 3D à partir de données sonar et du système de stéréovision sous marin. Dans une première étape, la reconstruction d’objets 3D est réalisée à partir d’un système utilisant une paire de caméras stéréoscopiques. La seconde étape utilise les données 3D de l’environnement sous marin à partir d’un sonar multifaisceaux. Ensuite, les deux informations sont mises en correspondance, données optiques et acoustiques, nécessitant de prendre en compte les différentes résolutions de ces deux capteurs [lirmm-01596167].

SEM (Semantic Environment Modelling): l’objectif de ce projet est d’explorer et d’utiliser de nouvelles modalités lors de la création de cartes d’environnements et lors de leur exploitation. Les modèles d’environnement utilisés en robotique sont en général basés sur des primitives de très bas niveau, le plus souvent géométriques. Ces primitives, très utiles lors de tâches liées à la navigation ou la préhension, se révèlent cependant très limitées lorsqu’il s’agit de décrire une mission ou de faire intervenir une expertise humaine. L’information sémantique, lorsqu’elle est présente, est ainsi le plus généralement sous exploitée et cantonnée à des activités de classification selon une ontologie pré-existante. Notre approche se base sur la création d’ontologies à la volée, en se basant sur les informations visuelles et sur des bases de connaissances disponibles en ligne. L’objectif étant de permettre la création de modèles structurés sans donnée initiale : par échanges d’information avec l’utilisateur humain [lirmm-01926183].