Thèse en cours

Planification à partir de modèles opérationnels pour l'action délibérée en robotique
FR  |  
EN
Accès à la thèse
Triangle exclamation pleinLa soutenance a eu lieu le 26/02/2024. Le document qui a justifié du diplôme est en cours de traitement par l'établissement de soutenance.
Auteur / Autrice : Jérémy Turi
Direction : Daniel SidobreArthur Bit-monnot
Type : Projet de thèse
Discipline(s) : Robotique et Informatique
Date : Inscription en doctorat le
Soutenance le 26/02/2024
Etablissement(s) : Université de Toulouse (2023-....)
Ecole(s) doctorale(s) : École doctorale Systèmes
Partenaire(s) de recherche : Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes
Equipe de recherche : RIS - Robotique et Interactions
Jury : Président / Présidente : Noury Bouraqadi
Examinateurs / Examinatrices : Daniel Sidobre, Andrea Orlandini, Vicente Matellán olivera, Arthur Bit-monnot, Karen Godary-dejean
Rapporteurs / Rapporteuses : Andrea Orlandini, Vicente Matellán olivera

Résumé

FR  |  
EN

Les récents développements technologiques dans le domaine de la robotique et de l'intelligence artificielle pourraient permettre l'utilisation de robots dans de nombreux domaines de notre vie. Les applications vont de l'industrie 4.0, qui vise à optimiser divers processus à l'aide de flottes d'agents autonomes, aux opérations de recherche et de sauvetage, sans oublier les robots d'assistance personnelle. À mesure que la complexité des plateformes robotiques augmente, les algorithmes de délibération doivent être améliorés, notamment pour gérer un nombre croissant d'agents, pour gérer des objectifs et des tâches complexes, et pour évoluer dans des environnements plus ouverts où les événements imprévus doivent être traités de manière autonome. Le niveau d'autonomie d'un agent dépend de cinq grandes fonctions de délibération : la planification, l'action délibérée, la surveillance, l'apprentissage et l'observation. Nous nous concentrons ici sur la fonction de planification, qui indique à l'agent ce qu'il doit faire pour accomplir ses missions, et sur la fonction d'action délibérée, qui adapte le comportement de l'agent au contexte d'exécution, ce qui le rend plus robuste face aux imprévus et aux aléas. Nous étudions en particulier l'interaction entre la planification et l'action délibérée. Bien qu'elles soient presque toujours utilisées ensemble, les approches dans la littérature ont tendance à les considérer séparément, ce qui limite leur interaction. Dans cette thèse, nous proposons une approche unifiée de la planification et de l'action, dans laquelle les deux systèmes sont en symbiose pour améliorer leurs performances respectives. Nous présentons le système OMPAS (Operational Model Acting and Planning System), un moteur d'action basé sur le raffinement qui exécute plusieurs tâches de haut niveau en parallèle en les raffinant en un ensemble de tâches et de commandes de niveau inférieur. OMPAS utilise un dialecte Lisp personnalisé (SOMPAS) pour définir le comportement de l'agent robotique. SOMPAS fournit des primitives pour gérer la concurrence et les ressources et, grâce au langage de base restreint et à l'identification explicite des décisions d'action, permet la synthèse automatique des modèles de planification. Le moteur tire parti d'un planificateur temporel et hiérarchique qui utilise les modèles synthétisés pour anticiper et guider les décisions du système agissant. Le planificateur est utilisé de manière continue, c'est-à-dire qu'il planifie en même temps que l'exécution des tâches et s'adapte toujours à l'état actuel de l'exécution pour améliorer les décisions attendues. Ces décisions éclairées devraient permettre d'éviter les blocages et d'optimiser de manière opportuniste l'achèvement de multiples tâches parallèles. Nous fournissons une évaluation de l'approche globale sur plusieurs domaines de la robotique. En particulier, OMPAS a été utilisé pour contrôler une flotte de robots dans une plateforme logistique simulée. Les résultats ont montré la capacité du système à gérer plusieurs tâches simultanées grâce à son système de gestion des ressources dédié. En outre, la planification continue améliore le temps total nécessaire à l'accomplissement de toutes les tâches d'une mission. La planification étant intégrée au cœur du système, aucun effort supplémentaire n'est requis de la part du programmeur du robot pour tirer parti de cette fonctionnalité.