Soutenance doctorat Laouici Zineb
-
Upload
zineb-laouici -
Category
Engineering
-
view
915 -
download
10
Transcript of Soutenance doctorat Laouici Zineb
« Teamwork divides the task
and multiplies the success »
– Author Unknown
Soutenance de la thèse doctorat 3ème Cycle-LMD en Informatique
Spécialité : Modèles de Données Avancées et Réseaux Emergeants
Directeur de thèse: Pr. M. F. KHELFI
La modélisation d'un système de coopération et communication dans la navigation des robots
mobiles
Laboratoire RIIR - Dpt. d’Informatique - FSEA
Université d’Oran 1 Ahmed BENBELLA
Présentée par : Zineb LAOUICI
Equipe Analyse et Commande des Systèmes
13/12/2015
Conclusions & perspectives
La modélisation d'un système de coopération et communication dans la navigation des robots
mobiles
Plan d’exposé3
Partie 2 : L’optimisation d’une zone de couverture et le maintien de la connectivité
Les Systèmes multi-robots
Partie 1 : Navigation d’un seul robot
Navigation en robotique mobile
Problématique
Problématique Navigation Systèmes multi-robots Conclusion
4
Lors la réalisation des missions, l’homme sera face à des tâches
Ennuyeuses Dangereuses
d’hygièneDifficiles
Problématique
Problématique Navigation Systèmes multi-robots Conclusion
5
L’utilisation des robots mobiles conduit à de nouveaux défis: la vision, la navigation dans un environnement incertain, la coopération entre plusieurs robots …etc.
Problématique
Afin d‘éviter de telles situations, on doit résoudre les problèmes suivants: Comment assurer une navigation
autonome pour les robots mobiles, où la navigation sera une tâche de base afin d'effectuer la mission principale ?
Comment assurer une coopération entre les différents robots pour une localisation optimale?
Comment assurer une communication entre les robots pour améliorer la performance du système globale?
Partie 1 : la navigation d’un seul robot
6
Problématique Navigation Systèmes multi-robots Conclusion
7
La navigation consiste à donner aux systèmes mobiles la capacité d'aller d'une position initiale vers une position finale de manière autonome en évitant les obstacles, tout en utilisant les informations perçues par ses capteurs.
Point de départ
Point d’arrivéeObstacle
La navigation
Problématique Navigation Systèmes multi-robots Conclusion
8
En utilisant une carte
Navigation réactive
Localisation
Cartographie
Planification
Navigation d’un seul robot
Consiste à estimer la position du robot dans une carte connue.
Consiste à calculer un chemin à partir de la position courante du robot jusqu’au but.
Est la construction d’une carte locale de l'environnement
Les approches réactives n’utilisent que les valeurs courantes des capteurs, et non pas des données provenant d’un modèle interne.
Problématique Navigation Systèmes multi-robots Conclusion
9
Méthodes de navigation
Méthodes classiques
Méthodes de navigation
Décomposition en cellules
Les réseaux de neurones
Méthodes intelligentes
Les algorithmes génétiques
Logique floue
La méthode En ligne
Roadmaps
Espace des configurations
Pourquoi la logique floue!10
Elle est très proche du raisonnement humain La décision en logique floue est basée sur la
notion d’expertise Elle n’a pas besoin d’une modélisation
mathématique du problème pour le résoudre
Problématique Navigation Systèmes multi-robots Conclusion
11
La logique floue
Elle est définie comme un formalisme permettant de construire une transformation continue entre un espace d’entrée et un espace de sortie à l'aide de connaissances fournies par le concepteur et exprimées sous formes de règles.
Contrôleur flou
Entrées Sorties
Problématique Navigation Systèmes multi-robots Conclusion
Approche méthodologique
Étude du système: E/S
Fuzzyfication
Moteur d’inférence
Défuzzyfication
Combien et quelles règles choisir?
Quel Univers du discours?
Quelles fonctions d’appartenances?Quelle partition floue?
Pour chaque E/S choisie:
Choix de la méthode de défuzzification?
12
Sorties
Distance=loin
0 1 2 4 6 7 8
Près Loin
= 7E: Distance
Si (distance==près) alors …
Si (distance==loin) alors …
Problématique Navigation Systèmes multi-robots Conclusion
Réel Floue
Floue Réel
Problématique Navigation Systèmes multi-robots Conclusion
13
NonOui
OuiNon
Calcul des données des capteurs
Déplacement du robot
Exécution du contrôleur de navigation libre
Exécution du contrôleur d’évitement d’obstacle
Début
Fin
Localisation du robot (x, y, θ)
S'il y a des obstacles?
Le but était atteint?
Notre approche:
Un 1er contrôleur pour la navigation libre (atteindre un but)
Le deuxième contrôleur pour l’évitement d’obstacle
Diagramme de navigation Navigation dans un environnement inconnu
Problématique Navigation Systèmes multi-robots Conclusion
141. Les ensembles flous d’E/SContrôleur du navigation libre:2. Les règles d’inférence
Distance (robot-but) Angle (robot-but)
Angle de braquage
Si la distance (R-B) est TP et l’angle(R-B) est PM alors l’angle de braquage est NG
Robot
CibleDist
Angle
Notre approche:
Navigation dans un environnement inconnu
Problématique Navigation Systèmes multi-robots Conclusion
15
1. Les ensembles flous d’E/SContrôleur d’évitement d’obstacles:2. Les règles d’inférence
Distance (robot-obstacle)
Angle (robot-obstacle)
Angle de braquage
Notre approche:
Navigation dans un environnement inconnu
Problématique Navigation Systèmes multi-robots Conclusion
16
Exemple: navigation libre
TL
L
P
TP
Z
NG Negative Grand
NM Negative Moyen
NP Negative Petit
PG Positive Grand
PM Positive Moyen
PP Positive Petit
Z ZeroZ
Robot
But
DéfuzzyficationAng_braquage=-
15
Fuzzyfication:Eang=PPEpos=P
Les coins sont des situations qui provoquent des blocages dans la navigation des robots mobiles, où le robot:
1. Tourne dans le même endroit 2. Prend un temps non négligeable pour débloquer
et continuer la navigation.
Problématique Navigation Systèmes multi-robots Conclusion
17
Cas particulier: Les coins
La création d’un but virtuel lors de la
détection d’un coin
Problématique Navigation Systèmes multi-robots Conclusion
18
Amélioration
Solution : faire une hybridation avec une méthode de navigation dans les env. connus
LF utilisée lorsque
l'environnement est inconnu
(- ) LF se base sur l’évitement des
obstacles rencontres LF a la même réaction
lorsque l'environnement est connu
(+) La LF donne de
bons résultats
Problématique Navigation Systèmes multi-robots Conclusion
19
o Les réseaux de neurones impulsionnels sont inspirés des neurones biologiques.
o Les neurones communiquent via les impulsions (potentiel d’action)
o Si les PA dépassent un certain seuil, alors un nouveau potentiel d’action est créé par le neurone suivant.
RNINotre approche:
Navigation dans un environnement connu
Problématique Navigation Systèmes multi-robots Conclusion
20Modélisation du système avec les RNI: o L'environnement est discret sous la forme
d'une grille. o Chaque cellule de la grille est représentée par
un neurone. o Chaque neurone connecté avec les huit voisins
directs (horizontaux, verticaux et diagonaux), à l'exception des neurones situés dans des coins et les obstacles.
1. L'architecture du réseau de neurone
RNINotre approche:
Navigation dans un environnement connu
21
2. Simulations et résultats
RNINotre approche:
Navigation dans un environnement connu
Notre contribution représente une méthode hybride fusionnant deux méthodes de navigation: o La logique floue o Une méthode basée sur les réseaux de neurones
impulsionnels(RNI) But de la fusion:o Obtenir les avantages de chaque méthode
afin d’améliorer la navigation globale pour les environnements partiellement connus.Problématique Navigation Systèmes multi-robots Conclusion
22
Fin
Non
Oui
Oui
Appliquer la logique floue
Déplacement du robot
Début
Localisation du robot (x, y, θ)
Calcul des données des capteurs
Créer un but virtuel
Non
Non
Oui Si le robot est dans un environnement
connu?
Si le but est situé dans cette partie
connue?
Appliquer l'algorithme du RNI
Si le but est atteint?
Appliquer l'algorithme du RNI
L’organigrammeNotre approche:
L’Hybridation(LF +RNI)
Problématique Navigation Systèmes multi-robots Conclusion
23
Résultat de la simulation
Logique floue Notre méthode
Problématique Navigation Systèmes multi-robots Conclusion
24
Résultat de la simulation
Distance (robot-but) Temps de navigation
La distance parcourue
25
+L'algorithme nécessite moins de calculs grâce aux parties connues.
+Un chemin optimal entre les positions initiale et finale dans la plupart des cas.
+L’amélioration du temps de navigation.+Le problème des coins est résolu.
Nécessité d’amélioration:– La stratégie du positionnement du but virtuel – L’Amélioration de la navigation en utilisant
l’apprentissage
Problématique Navigation Systèmes multi-robots Conclusion
Partie 2: les systèmes Multi-robots
26
« La coopération n'est pas l'absence de conflits, mais un moyen de les gérer »
Deborah Tannenï
Les motivations fondamentales de la recherche en SMRs (+)
L’interférence. Coût de la communication.
27
Les inconvénients des systèmes Multi-robot (-)
Certaines tâches nécessitent un groupe de robots. La capacité de résoudre des problèmes plus
rapidement grâce au parallélisme. Augmenter la robustesse. Compenser l'incertitude du capteur en fusionnant les
informations. Les systèmes multi-robots permettent des solutions
plus variées et créatives.
Problématique Navigation Systèmes multi-robots Conclusion
Des scenarios d’utilisation des SMRs28
La gestion automatique des entrepôts de données.
L’ exploration planétaire et construction automatique
Nettoyage robotisé des sites dangereux Agriculture Zone de couverture
Problématique Navigation Systèmes multi-robots Conclusion
Dans un espace de travail (W) un ensemble de robots, qui sont similaires par hypothèse:
Sont positionnés au hasard en (W) et forment un réseau connecté.
Chaque robot communique uniquement avec ses voisins directs.
Problématique Navigation Systèmes multi-robots Conclusion
L’optimisation d’une zone de couverture
et le maintien de la connectivité29
Portée du robotNotre objectif
principal est de proposer une solution qui optimise la zone de couverture des robots et maintien de la connectivité entre eux.
Dans le but d’optimiser la couverture du réseau d'un robot mobile connecté, nous adoptons le principe de propagation d'une vague.
30
Notre approche
Problématique Navigation Systèmes multi-robots Conclusion
Problématique Navigation Systèmes multi-robots Conclusion
o Nous avons choisi de positionner les voisins autour du robot sous forme d'hexagone, en s'inspirant de la nature: ruche des abeilles.
o En 1999, le Pr. Thomas Hales de l'Université du Michigan annonce une preuve, qui montre que l’hexagone régulier est la forme la plus adaptée pour remplir un espace sans perte.
Pourquoi la forme Hexagonale31
8
16
42
37
5
32
Illustration
Problématique Navigation Systèmes multi-robots Conclusion
8
16
42
37
5
Pos2
Pos1
Pos3Pos4
Pos5
Pos633
Problématique Navigation Systèmes multi-robots Conclusion
Illustration
8
16
42
37
5
Give_ID_Position
Pos1
Pos3Pos4
Pos5
Pos6
Give_ID_Position
Give_ID_PositionGive_ID_Position
34
Problématique Navigation Systèmes multi-robots Conclusion
Illustration
8
16
42
37
55,(X5,Y5)
Pos1
Pos3Pos4
Pos5
Pos6
1,(X1,Y1)
8,(X8,Y8)
7,(X7,Y7)
2,(X2,Y2)
Pos2
R3 sélectionner le robot le plus
proche à chaque position.
35
Problématique Navigation Systèmes multi-robots Conclusion
Illustration
8
16
42
37
5
L:New position (R5 Pos1
Pos1
Pos3Pos4
Pos5
Pos6
L:New position (R7 Pos5L:New position (R4 near Pos1
L: New position (R1 Pos3L:New position (R6 Pos4
36
Problématique Navigation Systèmes multi-robots Conclusion
Illustration
Illustration
Problématique Navigation Systèmes multi-robots Conclusion
8
16
2
37
5
Pos1
Pos3Pos4
Pos5
Pos6
R7,R2,R5,R8,R1 et R6 sont les fils
du robot R3
4
37
R5 sélectionne R4 comme étant son fils, R5 envoi les robots qui appartiennent à
leur portée vers leur fils
Chaque robot va vers sa nouvelle
position
R4 n'a pas été sélectionné comme un fils pour R3: R4 va vers le fils le plus proche du
R3 R5
38
4
8
16
2
37
590
10 15
8
16
2
37
590
Avoir une propagation optimale.
Problématique Navigation Systèmes multi-robots Conclusion
4
10 15
Parmi les caractéristiques les plus importantes des systèmes multi-robots : la tolérance aux pannes.
Redéploiement des robots dans le cas de défaillances
39
45
16
23
810 15
R8 a l’identifiant le plus grand, à la fois R8 a des
fils
7
Problématique Navigation Systèmes multi-robots Conclusion
Problématique Navigation Systèmes multi-robots Conclusion
Simulation : Scenario1
40
o La propagation d'un groupe de robots mobiles.
o Les robots mobiles sont positionnés aléatoirement
o L’implémentation de l’approche: le simulateur Jsim + python• la communication et la coopération entre les
robots mobileso Chaque nœud est un robot mobile.o La navigation est assurée par notre
méthode hybride.
Problématique Navigation Systèmes multi-robots Conclusion
41
Simulation : Scenario2
o Le cas de défaillance. o Le robot avec (nbr_fils<<autres) &
(ID>>autres) remplace son père.
42
Comparaison avec C2AP: Métriques de performance
o Le temps de propagation et La surface de zone de couverture qui est exprimée par la portée de communication.
o La distance parcourue: la distance parcourue par chaque robot mobile jusqu‘à atteindre sa position finale.
o Le nombre de messages échangés: C'est le nombre total des messages nécessaires afin de réaliser le processus.
Problématique Navigation Systèmes multi-robots Conclusion
Problématique Navigation Systèmes multi-robots Conclusion
43
Comparaison avec C2AP:
C2AP Notre:CCAcR
1. La Zone de couverture et le temps de propagation
Zone de couverture (C2AP) ≈ Zone de couverture (CCAcR)
Temps (C2AP)>>Temps (CCAcR)
Problématique Navigation Systèmes multi-robots Conclusion
44
Comparaison avec C2AP: 1. Zone de couverture et le temps --synthèse
CCAcR C2APoLe robot (priorité>>) se
déplace vers la nouvelle position, les voisins restent stationnaires jusqu'a ce que ce robot atteigne sa nouvelle position.
ole robot qui calcule les nouvelles positions des voisins reste stationnaire, ses voisins se déplacent vers leurs nouvelles positions.
Pour les deux méthodes: plusieurs robots sont capables d’exécuter des processus en même
temps
oLe robot actif détermine les positions finales de ses voisins
oCes derniers se déplacent vers leurs positions finales Ce qui augmente le nbre des robots capables de lancer leurs processus à l’étape suivante
oLe déplacement des robots dépend du nombre de voisins
•Chaque voisin i== une force Fi.
•La position finale .oLe nbre (voisins) grand
le déplacement sera petit le robot exécute le processus plusieurs fois afin d'obtenir une position idéale.
+Améliorer le temps de la propagation
Problématique Navigation Systèmes multi-robots Conclusion
45
Comparaison avec C2AP: 2. La distance parcourue & Messages échangés
Problématique Navigation Systèmes multi-robots Conclusion
46synthèse
CCAcR C2AP
oDirige les robots non sélectionnés hors portée du robot actif : cette procédure diminue les robots autour du robot actif ce qui conduit à diminuer le nombre de messages échangés.
oChaque robot diffuse 2 types de messages la position et le nombre de voisins. oLe déplacement des
robots dépend de forces (les voisins) Exécuter le processus plusieurs fois Augmenter le nombre de messages échangés.
oChaque robot exécute le processus une seule fois nombre de messages sera dépendant du nombre voisins de chaque robot actif.
Comparaison avec C2AP: 2. La distance parcourue & Messages échangés
Problématique Navigation Systèmes multi-robots Conclusion
Conclusions
Nos travaux de recherches traitent 1. La problématique de la navigation
autonome des robots mobiles dans des environnements incertains.
2. Nous avons aussi traité la problématique d'optimisation de la couverture d'une zone ouverte, nous nous sommes intéressés à la coopération et la communication des systèmes multi-robots.
Nos contributions portent sur le développement de nouvelles méthodes inspirées de l'intelligence artificielle
47
Conclusions -- Nos contributions
48
Acceptation conf: ACM MEDES-2014 (Poster)
Pub:IJISA 2014
conf:IEEE ICAR 2015
Soumission d’un papier IJIES (en cours
d’évaluation)
Problématique Navigation Systèmes multi-robots Conclusion
Perspectives
Il est question d’explorer :• La partie navigation:
o Améliorer la navigation (LF) o Introduire l’apprentissage
• La partie couverture:o La partie réseaux, nous comptons pousser
notre investigation au niveau du routage et de la communication.
o Introduire les obstacles pour le cas des zones de couverture.
o Étudier le cas hétérogénéité des portées de communication.
o Appliquer les approches sur les 02 robots mobiles réels existants au laboratoire RIIR.
49
Problématique Navigation Systèmes multi-robots Conclusion