Précédent : Système de programmation de robots Remonter : Intégration système Suivant : Actions industrielles
Précédent : Système de programmation de robots
Remonter : Intégration système Suivant :
Actions
industrielles
Participants : Gérard Baille, Thierry Fraichard, Philippe Garnier, Christian Laugier, Leszek Lisowski, Cyril Novales, Didier Pallard, Igor Paromtchik
La conduite automobile est le contexte applicatif de notre travail de recherche dans le domaine de l'autonomie de mouvement; il s'inscrit dans le cadre de l'action de développement Inria-INRETS Praxitèle dans laquelle nous abordons le problème du déplacement de petits véhicules électriques en milieu urbain. Ce contexte permet d'aborder l'autonomie de mouvement dans un cadre très général : un véhicule de type voiture est soumis à des contraintes de mouvement communes à la plupart des véhicules terrestres, et son environnement, de par son caractère dynamique et incertain, est représentatif de presque tout environnement réel.
L'architecture de navigation autonome que nous avons développée couple un niveau délibératif, la planification de mouvement (cf. § 3.1.3 ), et un niveau réactif, le contrôle d'exécution. La planification de mouvement détermine un mouvement nominal pour le véhicule, en utilisant les connaissances a priori dont il dispose sur son environnement. Le contrôle d'exécution assure l'exécution et l'adaptation éventuelle du mouvement nominal sur la base d'informations instantanées acquises en ligne.
En 1995, nous avons achevé la définition d'un système de contrôle d'exécution reposant sur l'utilisation la logique floue (thèse de doctorat de Ph. Garnier, décembre 1995). En 1996, l'accent a surtout été mis sur les expérimentations sur le véhicule électrique Ligier dont nous disposons [9]. Ces expérimentations ont fait apparaître des problèmes d'oscillations entre comportements antagonistes; oscillations dues au fait que le choix de la réaction se fait de façon réactive sur la base d'informations instantannées seulement. Une solution actuellement explorée pour pallier ce problème consiste à coupler au système réactif un niveau plus réfléchi (fréquence d'activation moindre, réaction plus lente mais mieux adaptée). La fonction principale de ce niveau réfléchi étant alors de substituer temporairement au mouvement nominal global un mouvement local mieux adapté à la situation courante et des données perceptives [19].
Figure 5: Réalisation d'un créneau en
environnement dynamique.
Ces expérimentations ont aussi permis de constater la difficulté à obtenir un comportement réactif générique et robuste. Pour pallier ce problème, nous avons commencé à explorer une voie alternative consistant à identifier des situations type, e.g. créneau, changement de voie, dépassement, etc., et à définir pour chaque situation, une réaction spécifique appropriée en terme de lois de commande à appliquer aux actionneurs du véhicule; les paramètres de chaque loi étant instanciés en fonction de la situation courante [13]. Ce travail a donné lieu à de très bons résultats dans le cas du créneau [21, 22]. Ceci a été démontré en direct à la télévision italienne RAI Uno puis, ultérieurement, en présence du maire de Grenoble. L'extension à d'autres situations type est en cours. La figure 5 montre quelques extraits d'une vidéo présentant une manoeuvre de créneau en environnement dynamique (vidéo présentée à la conférence internationale Robotics and Automation).
Enfin, 1996 a vu se poursuivre le développement matériel de la future plate-forme expérimentale qui sera utilisée dans Praxitèle (Fig. 6 ). Nous implantons une architecture de commande distribuée sur un système multi-processeurs construit autour d'un réseau CAN [20]. Deux prototypes sont en cours de réalisation. Ce travail s'effectue en étroite collaboration avec l'Inria Rocquencourt.
Figure 6: La nouvelle plate-forme
Praxitèle.
Précédent : Système de
programmation de robots Remonter : Intégration
système Suivant : Actions industrielles