Modèles de flocage basés sur les communications locales : de la théorie aux simulations

Flocking models based on local communications : From theory to simulations

• Auteur / Autrice : Alexandre Bonnefond
• Direction : Isabelle Guérin-Lassous, Olivier Simonin
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 14/06/2023
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale InfoMaths (Lyon ; 2009-....)
• Partenaire(s) de recherche : Membre de : Université de Lyon (2015-....)
• Partenaire(s) de recherche : Laboratoire : CITI - Centre d'Innovation en Télécommunications et Intégration de services (Lyon, INSA) - CITI Centre of Innovation in Telecommunications and Integration of services / CITI - CHROMA - Robots coopératifs et adaptés à la présence humaine en environnements
• Jury : Président / Présidente : Nicolas Bredèche
• Jury : Examinateurs / Examinatrices : Isabelle Guérin-Lassous, Olivier Simonin, Nicolas Bredèche, Enrico Natalizio, Isabelle Fantoni-Coichot, Martin Saska
• Jury : Rapporteurs / Rapporteuses : Nicolas Bredèche, Enrico Natalizio

Mots clés

Mots clés contrôlés

Drones

Systèmes de communication sans fil

Mots clés libres

Informatique

Flotte robotisée

Flocking

Communication sans fil

Drones

Simulation

Interaction

Informatics

Robotic fleet

Flocking

Wireless communication

Drones

Simulation

Interaction

Résumé

Les flottes de robots aériens sont désormais utilisées pour de multiples applications telles que la livraison ou encore la surveillance. Cependant, contrôler un grand nombre de drones ou UAVs (unmanned aerial vehicles) demeure un défi important. Dans cette thèse, nous étudions des stratégies de flocking, directement inspirées de la nature et reposant sur un modèle décentralisé où les entités concernées interagissent localement par le biais de communications. En analysant les performances de modèles de flocking existant dans des environnements très contraints (par des obstacles), nous identifions les potentielles limites de ces modèles et nous proposons de les adapter pour les rendre plus robustes. Dans ces travaux, nous considérons les communications sans fil comme ́étant le seul moyen d’accéder aux informations des voisins, ainsi nous intégrons un modèle de communication réaliste au simulateur de flocking de Viragh et al.. L’analyse des contraintes de pression au sein des flockings nous conduit à développer un nouveau modèle introduisant des interactions asymétriques et capable de faire évoluer les agents (UAVs) dans des environnements très contraints sans générer de collisions, nommé APR (Asymmetric Pressure Regulation). Notre dernière contribution consiste en un algorithme de type leader-follower distribué permettant à tout agent follower de devenir un leader. Cela renforce considérablement la cohésion de la flotte et donc favorise le succès de missions consistant à traverser des environnements complexes comme des tunnels.

Swarms of aerial robots are no longer science-fiction. They are now used for diverse purposes such as delivery and surveillance. However, controlling a large number of drones, or unmanned aerial vehicles (UAVs), is still very challenging. In this thesis, we study the flocking strategy which is directly inspired from nature and relies on a decentralized model where the UAVs interact locally with each others thanks to communication. By analyzing the performances of existing flocking models in highly constrained environments, we identify the potential limits of these models and adapt them in order to be robuster. We consider wireless communication to be the unique channel for sharing information among the UAVs, thus we integrate a realistic communication model into the existing simulator of Vir ́agh et al. that we exploit along this work. The analysis of the constraints within the swarms leads us to develop a new flocking model with asymmetric features, capable of evolving in highly cluttered environments without producing a single collision. This new model is named asymmetric pressure regulation (APR). Our last contribution consists of a distributed leader follower algorithm allowing each fol- lower to become a leader. This characteristic greatly improves the cohesion of the swarm and foster the success of missions including the traversal of complex environments such as tunnels.