Planification et contrôle des comportements en groupe des systèmes robotiques autonomes

Abstract

Dans diverses applications complexes, l'utilisation de plusieurs Systèmes Robotiques Autonomes (STAs) devient une nécessité afin de réaliser différentes tâches telle que le transport d'objet lourds et encombrants avec un moindre coût et plus d'efficacité. Ainsi, ils doivent avoir la capacité de former la figure géométrique correspondant à la forme de l'objet en question suivie par le déplacement de cette formation vers son objectif. Pour ce faire, les SRAs doivent d'abord apprendre à éviter les collisions entre eux et avec les obstacles. Deux approches d'évitement de collisions et d'attraction vers la cible ont donc été proposées. La première se base sur les réseaux de neurones où un réseau neuro-flou ArtMap a été développé. En effet, chaque robot doit apprendre, en utilisant le système sensoriel LOCISS (LOcally Communicable Infrared Sensory System) pour chaque relation de position à déduire la régle appropriée d'évitement de collisions et d'attraction vers la cible. La seconde approche se base sur le paradigme de l'apprentissage par renforcement où chaque robot apprend comment éviter les autres robots à partir de son interaction avec l'environnement tout en atteignant son but. Ce processus d'apprentissage permet aux robots de bénéficier de l'expérience des autres. Il fournit aux robots la capacité d'acquérir le comportement d'évitement de collisions et d'attraction vers la cible entre plusieurs robots à partir de comportements élémentaires en utilisant un apprentissage par essai et erreur. Une fois le comportement d'évitement de collisions et d'attraction vers la cible est acquis par les robots, ceux-ci doivent apprendre à former des figures géométriques et à naviguer en formation à partir de leur interaction avec l'environnement. Cette troisième approche doit fournir aux SRAs la capacité d'acquérir la navigation en groupe, par apprentissage, à partir de comportements élémentaires choisis judicieusement. Des résultats de simulation des approches proposées sont présentés et montrent l'aptitude des robots à naviguer en groupe et en formation dans des environnements dynamiques. Cette navigation avec son comportement coopératif rend les SRAs capables de travailler ensemble afin d'accomplir la tâche désirée avec succès.