Précédent : Modélisation et commande Remonter : Résultats nouveaux Suivant : Contrôle/commande de systèmes robotiques complexes
Précédent : Modélisation et commande
Remonter : Résultats nouveaux Suivant :
Contrôle/commande de
systèmes robotiques complexes
Participants : N. Andreff, L. France.
En intégrant ce facteur d'échelle aux diverses inconnues de la méthode linéaire d'étalonnage pince-caméra, on obtient une méthode linéaire d'auto-étalonnage pince-caméra.
Un des thèmes de l'équipe est la spécification et la réalisation d'un outil graphique pour la simulation et l'animation 3D du robot bipède. Ce simulateur doit permettre l'animation virtuelle du robot muni de capteurs, soumis à des commandes en boucle fermée, et interagissant avec son environnement. Cette simulation dynamique d'un robot marcheur est nécessaire à l'étude des commandes en boucle fermée qui seront mises en oeuvre sur le robot réel. En effet, elle aura pour fonction de valider le comportement d'une commande du robot dans un environnement, en complément des études d'automatique classiques.
Un modèle dynamique symbolique du robot a déjà été développé dans le but d'en calculer la commande. Cependant, cette approche possède des faiblesses. D'une part, la visualisation du résultat est très limitée, et d'autre part, la simulation de ce modèle mécanique ne prend en compte les forces d'interaction que localement. Aussi, il s'est révélé nécessaire d'utiliser en plus un logiciel graphique. Notre choix s'est porté sur Fabule (développé dans le projet IMAGIS), qui présente les avantages d'être évolutif de par sa nature modulaire, ce qui permet d'implémenter assez facilement de nouveaux algorithmes, et d'intégrer déjà certaines méthodes de synthèse d'images.
Dans un premier temps, le travail a consisté à faire coopérer ces deux approches, afin de produire des simulations réalistes du robot dans son environnement. La première calcule la dynamique intrinsèque du robot et la commande à appliquer aux articulations, la seconde synthétise un modèle du robot et d'un environnement, et calcule les interactions du robot avec cet environnement. Le logiciel PVM (Parallel Virtual Machine) est utilisé pour faire communiquer les deux logiciels.
La deuxième partie a concerné la modélisation sous Fabule d'un robot virtuel et son environnement. Pour simuler la démarche du robot dans cet environnement, une loi de commande est calculée par l'intégrateur numérique Scilab. Les positions articulaires seront fournies aux articulations du robot simulé, et la succession de ces positions émulera le mouvement dynamique du robot. Cependant, cette commande est encore en cours de validation. Aussi, en attendant, nous nous servons de données biomécaniques enregistrées sur un humain, issues de l'étude de Winter [Win90]. Toutefois, ces données correspondent seulement à un cycle de marche, et il nous est apparu nécessaire de déterminer et calculer des trajectoires de transition, notamment pour le démarrage et l'arrêt du personnage, afin d'avoir une démarche complète à faire jouer au robot.
Une fois que le robot peut évoluer dans son environnement, il reste à obtenir des informations sur celui-ci. En effet, le robot doit pouvoir s'adapter à son environnement : lorsqu'il rencontre un obstacle, il doit l'éviter, ou passer par-dessus en adaptant la hauteur du pas. De même, lorsqu'il rencontre un escalier, il doit adopter une nouvelle démarche. Pour connaître cet environnement, des capteurs placés sur lui en des endroits critiques sont simulés. Nous avons modélisé des capteurs proximétriques 1D, 2D et 3D, dont la détection d'un obstacle se fait par lancer de rayon ou analyse du Z-buffer, techniques fort bien maîtrisées en synthèse d'images. Ces capteurs sont placés n'importe où sur le robot, de manière interactive. Les informations délivrées par ces capteurs, concernant l'environnement dans lequel évolue le robot, vont être analysées, afin de déterminer et reconnaître différentes catégories d'obstacles. Elles seront ensuite utilisées pour permettre d'étudier les placements pertinents des capteurs de divers types, selon l'environnement considéré. Finalement, le robot sera capable d'évoluer et de s'adapter dans son environnement, grâce à sa perception locale [[14]].