Thèse soutenue

Critère de qualité de la carte pour l'exploration autonome en environnement naturel

FR  |  
EN
Auteur / Autrice : Stéphanie Aravecchia
Direction : Cédric PradalierMarianne Clausel
Type : Thèse de doctorat
Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
Date : Soutenance le 08/12/2023
Etablissement(s) : Université de Lorraine
Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
Partenaire(s) de recherche : Laboratoire : GTL-CNRS télécom (Metz)
Jury : Président / Présidente : Ouiddad Labbani-Igbida
Examinateurs / Examinatrices : Cédric Pradalier, Marianne Clausel, Bruno Vallet, Roland Lenain
Rapporteurs / Rapporteuses : Ouiddad Labbani-Igbida, Bruno Vallet

Résumé

FR  |  
EN

Explorer de manière autonome un environnement inconnu consiste à répondre à la question "où aller ensuite ?". Partant d'un endroit totalement inconnu, le robot sélectionne ses prochaines destinations et navigue vers elles, découvrant ce-faisant son environnement. Cette thèse se concentre sur un type d'environnement spécifique : les environnements naturels tels que les parcs ou les forêts. Dans ce type d'environnements, quelle approche devrions-nous adopter si la mission d'exploration du robot a pour objectif principal la création d'une carte, à partir de ses observations ? Notre recherche s'intéresse à l'établissement d'un lien entre la stratégie d'exploration et la qualité de la carte résultante. La principale difficulté est que, dans un environnement inconnu, par définition, la qualité de la carte ne peut pas être connue pendant mission d'exploration. Si une carte de référence existe déjà, la tâche ne peut plus être qualifiée d'exploration. La principale contribution de ce travail réside dans la démonstration de l'existence d'une relation entre la qualité de la carte et la trajectoire du robot dans l'environnement. Nous établissons que, localement, la qualité de la carte est étroitement liée aux points de vue des observations du robot. Nous introduisons un ensemble de statistiques de points de vue d'observation, chacune fonctionnant comme un indicateur individuel de la qualité de la carte, que nous combinons finalement en un prédicteur. Une zone de la carte observée de plus près, ou à partir de points de vue plus diversifiés, voit sa qualité améliorée. Finalement, nous intégrons cette connaissance dans une politique d'exploration, où le gain d'information est formulé en fonction des statistiques sur les points de vue d'observation. Nous démontrons qu'une telle politique d'exploration produit effectivement une meilleure carte que celles issues de méthodes traditionnelles. La deuxième contribution significative de cette thèse est relative à l'évaluation de la qualité de la carte elle-même. Obtenir une mesure de qualité significative à travers des environnements divers s'est avéré être une tâche non triviale. Pour y remédier, nous développons une méthodologie pour comparer localement la carte construite à partir des observations du robot avec une carte de référence. Nous mesurons la qualité locale de la carte avec plusieurs métriques pour identifier la plus robuste. Pour obtenir ces résultats, cette thèse comprend le développement d'un cadre expérimental, conçu pour notre tâche. Sur cette base, nous évaluons nos méthodes à la fois en simulation et lors d'expériences réelles.