Approches biomimétiques pour le contrôle de la marche des robots bipèdes : stratégie intuitive et intégration d'un modèle de muscle

Biomimetic approaches for the walking control of a biped robot : intuitive strategy and muscle model integration

• Auteur / Autrice : Hayssam Serhan
• Direction : Fethi Ben Ouezdou
• Type : Thèse de doctorat
• Discipline(s) : Robotique
• Date : Soutenance en 2009
• Etablissement(s) : Versailles-St Quentin en Yvelines

Mots clés

Mots clés contrôlés

Biomimétique

Réseaux neuronaux (informatique)

Programmation (mathématiques)

Modélisation tridimensionnelle

Robots humanoïdes

Propriétés mécaniques

Robots

Robots -- Mouvements

Résumé

L'approche originale proposée dans cette thèse consiste à modifier en ligne les paramètres de chaque PID par un algorithme d'apprentissage dans le but de reproduire des allures de marche aussi fluides et toniques que ce que l'on peut observer chez l'homme. La démarche s'appuie sur les techniques neuronales et les techniques de modélisation dynamique de l'être humain. Les données expérimentales sont issues des travaux menés par le LISV dans le cadre de ses activités sur le handicap avec le service de rééducation fonctionnelle de l'hôpital Raymond-Poincaré de Garches. Dans une première étape un modèle non linéaire de muscle basé sur un réseau de neurones a été identifié et utilisé comme un modèle de référence pour effectuer l'apprentissage en ligne d'un autre réseau de neurones qui modifie aussi en ligne les paramètres des PID afin que le système physique [Moteur+Contrôleur PID] se comporte comme le modèle de muscle. En vue d'une validation, une simulation dynamique du robot ROBIAN du LISV a, dans un premier temps, été développée sous OPENHRP. Dans un second temps, une approche originale de la marche dynamique en 3D à été implémentée dans ce simulateur. Finalement le modèle physique de muscle déjà développé est incorporé dans l'algorithme de génération de la marche de ROBIAN. L'ensemble est simulé sous OPENHRP. Les résultats montrent que l'apprentissage en ligne des gains des PID du genou à partir du modèle neuronal de muscle permet d'améliorer la fluidité de la marche, la robustesse face aux perurbations (poussées latérale et frontale) et aux transitions marche-stop-marche. Une compararaison avec la marche humaine est menée ainsi qu'une évaluation de la compatibilité énergétique avec les moteurs de ROBIAN.

The approach proposed in this thesis is to update the parameters of a PID controller using a specialized learning algorithm in order to reproduce the fluids and tonics that can be observed in human walking gaits. This approach is based on neural techniques and techniques of dynamic walking modeling of the human being. Experimental data are extracted from the work of LISV as part of its activities on disability with the functional rehabilitation department of the Raymond Poincaré hospital in Garches. In a first stage a non-linear model of a muscle based on a neural network has been identified and used as a reference model for learning another neural network which regulates online the parameters of a PID controller in a way for the physical system [PID Controller + Motor] to behave like the muscle model. In order to validate our study, in a first time, a dynamic simulation of the robot ROBIAN of LISV has been developed under OPENHRP. In a second step, an original approach to the 3D dynamic walking has been implemented in this simulator. Finally the physical model of muscle already developed is incorporated into the algorithm for generating the walking cycles of ROBIAN. The set is simulated under OPENHRP. The results show that the online learning of the PID parameters of the knee from the neural model of muscle, did improve the fluidity of movement, increased robustness against perurbations (lateral and frontal push) and walk-stop-walk transitions. Compararaison with human walking is conducted along with an assessment of power consumption compatibility with ROBIAN motors.