Planification symbolique et géométrique pour des équipes de robots et d'Humains
Auteur / Autrice : | Raphael Lallement |
Direction : | Rachid Alami |
Type : | Thèse de doctorat |
Discipline(s) : | Intelligence Artificielle |
Date : | Soutenance le 08/09/2016 |
Etablissement(s) : | Toulouse, INSA |
Ecole(s) doctorale(s) : | Mathématiques Informatique Télécommunications de Toulouse |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Analyse et d'Architecture des Systèmes - Laboratoire d'analyse et d'architecture des systèmes [Toulouse] / LAAS |
Jury : | Président / Présidente : Malik Ghallab |
Examinateurs / Examinatrices : Rachid Alami, Ivan Mazza | |
Rapporteurs / Rapporteuses : Francois Charpillet, Alessandro Saffiotti |
Mots clés
Mots clés contrôlés
Résumé
La planification HTN (Hierarchical Task Network, ou Réseau Hiérarchique de Tâches) est une approche très souvent utilisée pour produire des séquences de tâches servant à contrôler des systèmes intelligents. Cette thèse présente le planificateur HATP (Hierarchical Agent-base Task Planner, ou Planificateur Hiérarchique centré Agent) qui étend la planification HTN classique en enrichissant la représentation des domaines et leur sémantique afin d'être plus adaptées à la robotique, tout en offrant aussi une prise en compte des humains. Quand on souhaite générer un plan pour des robots tout en prenant en compte les humains, il apparaît que les problèmes sont complexes et fortement interdépendants. Afin de faire face à cette complexité, nous avons intégré à HATP un planificateur géométrique apte à déduire l'effet réel des actions sur l'environnement et ainsi permettre de considérer la visibilité et l'accessibilité des éléments. Cette thèse se concentre sur l'intégration de ces deux planificateurs de nature différente et étudie comment par leur combinaison ils permettent de résoudre de nouvelles classes de problèmes de planification pour la robotique.