Planification et contrôle de la navigation des véhicules autonomes intélligents (VAI) en environnements dynamiques

Abstract

L'objectif principal, dans cette thèse, est le développement d'approches de planification et de contrôle de la navigation des Véhicules Autonomes Intelligents (VAI) en environnements dynamiques. Afin qu'elles puissent assurer aux VAI plus d'autonomie et plus d'intelligence avec des capacités de traitement temps réel, ces approches sont basées sur la collection de méthodologies appelée "Soft Computing" (SC) impliquant particulièrement les Réseaux de Neurones (RN), la Logique Floue (LF), les Algorithmes Génétiques (AG), la Résonance Adaptative (RA), et les Systèmes Experts (SE). En effet, l'utilisation du SC est nécessaire afin de faire évoluer le comportement des VAI vers celui de l'être humain dans la reconnaissance, l'apprentissage, l'adaptation, le raisonnement et la prise de décisions, et l'action. Deux (02) stratégies de navigation sont alors proposées, NAV_1 et NAV_2, dont l'architecture globale se compose des comportements intelligents de localisation de la cible (CIB), d'évitement d'obstacles (OBS), de prise de décisions (DEC) et d'action (ACT). L'acquisition de ces comportements intelligents par apprentissage ou/et par adaptation est prise en charge par des Systèmes Intelligents (SI) et des Systèmes Hybrides Intelligents (SHI) proposés pour chaque stratégies de navigation. En effet, un intérêt particulier a été porté aux SI basés soit sur les RN soit sur la LF ainsi qu'aux SHI basés sur les combinaisons RN-AG, RN-LF, RN-LF-RA, et SE-RN-LF. Les résultats de simulation des entraînements et des mises en oeuvre de ces SI et SHI ont permis de dégager les meilleurs systèmes, en termes de facilité de mise en oeuvre et de performance, pour chaque comportement intelligent. Par conséquent, des architectures globales sont proposées en SHI, englobant tous les comportements intelligents, pour la planification et le contrôle des stratégies NAV_1 et NAV_2. Les résultats de simulation montrent que ces stratégies permettent alors aux VAI de naviguer intelligemment vers leurs cibles, sans collisions, dans des environnements dynamiques. Ils illustrent également les capacités d'apprentissage, d'adaptation, et de généralisation de ces approches de planification et de contrôle basées sur le SC. Concernant l'aspect implémentation, une architecture "Field-Programmable Gate Array" (FPGA) est proposée pour un SI basé sur un RN réalisant le comportement intelligent OBS.