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

Map Quality Criteria for Autonomous Exploration in Natural Environment

• Auteur / Autrice : Stéphanie Aravecchia
• Direction : Cédric Pradalier, Marianne 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 : GeorgiaTech-CNRS (Metz)
• Jury : Président / Présidente : Ouiddad Labbani-Igbida
• Jury : Examinateurs / Examinatrices : Cédric Pradalier, Marianne Clausel, Bruno Vallet, Roland Lenain
• Jury : Rapporteur / Rapporteuse : Ouiddad Labbani-Igbida, Bruno Vallet

Mots clés

Mots clés contrôlés

Découverte et exploration

Espaces naturels

Odométrie visuelle

Cartographie -- Informatique

Robots mobiles

Mots clés libres

Robotique-Mobile

Cartographie-3D

Lidar-3D

Vue-Suivante-Optimale

Perception-Active

Exploration

Mobiile-Robotics

3D-Mappng

3D-Lidar

Next-Best-View

Active-Sensing

Exploration

Résumé

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.

Autonomous exploration of an unknown environment consists in answering the question, ''where to go next?'' Beginning in a completely unknown place, the robot selects its next destinations and navigates towards them, simultaneously discovering its surroundings. This thesis centers on a specific environment type: natural environments like parks or forests. In such environments, what approach should we adopt if our objective is for the robot to conduct its exploration mission with the fundamental goal of creating a map from its observations? Our research main focus lies in establishing a link between the exploration strategy and the resultant map quality. The central challenge stems from the fact that in an unknown environment, by definition, the map's quality cannot be known throughout the exploration task. If a reference map already exists, the task no longer qualifies as an exploration mission. The major contribution of this thesis lies in associating the map quality with the robot's trajectory in the environment. We establish that locally, the map quality is intricately tied to the robot's viewpoint observations. We introduce a set of viewpoint statistics, each operating as an individual indicator of map quality, which we eventually combine into a predictor. When an area of the map is observed from closer, or from more diverse viewpoints, its quality is enhanced. Ultimately, we integrate this insight into an exploration policy, where the information gain is formulated based on viewpoint statistics. We demonstrate that such an exploration policy indeed produces a better map than traditional baselines. The second significant contribution of this thesis centers on assessing the map quality itself. Obtaining a meaningful, measure across diverse environments, proved to be a nontrivial task. To address this, we develop a methodology to locally compare the map built from the robot's observations with a reference map. We measure the local map quality with multiple metrics to identify the most robust one. In addition to the above, this thesis includes the development of an experimental framework, designed for our task. Building upon this, we evaluate our methods both in simulations and real-world experiments.