Contrôle bio-inspiré des mouvements collectifs d'un essaim de drones et applications à des scénarios opérationnels

Bio-inspired control of the collective movements of a swarm of drones and applications to operational scenarios

• Auteur / Autrice : Matthieu Verdoucq
• Direction : Guy Théraulaz, Gautier Hattenberger
• Type : Projet de thèse
• Discipline(s) : Automatique et Systèmes Embarqués
• Date : Inscription en doctorat le ; Soutenance le 08/03/2024
• Etablissement(s) : Toulouse, ISAE
• Ecole(s) doctorale(s) : École doctorale Aéronautique-Astronautique (Toulouse)
• Partenaire(s) de recherche : Laboratoire : ENAC-LAB - Laboratoire de Recherche ENAC
• Jury : Président / Présidente : Marie-Pierre Gleizes
• Jury : Examinateurs / Examinatrices : Sabine Hauert, Franck Ruffier, Aurélie Dupont, Gautier Hattenberger, Guy Theraulaz
• Jury : Rapporteur / Rapporteuse : Sabine Hauert, Franck Ruffier

Mots clés

Mots clés libres

Drones

Guidage en essaim

Bio-inspiration

Mouvement collectif

Drones

Swarm guidance

Bio-inspiration

Collective motion

Résumé

La thèse, intitulée ''Contrôle bio-inspiré d'un essaim de drones pour le mouvement collectif et l'applicabilité aux scénarios opérationnels'', explore l'application d'un modèle bio-inspiré de mouvement collectif, inspiré du comportement d'une espèce de poisson, pour guider et coordonner un essaim de drones dans divers contextes et environnements. Les objectifs principaux de la thèse sont de comprendre le modèle biologique, de l'adapter à un algorithme de guidage 3D, de le valider avec des simulations et des expériences, et de l'améliorer avec des capacités de navigation, d'évitement d'obstacles et d'exploration. Dans un premier temps, une revue des modèles biologiques et des stratégies de contrôle des essaims de drones, se concentre sur les avantages et les défis des approches bio-inspirées, les concepts et les architectures de la robotique en essaim, et les problèmes de perception et de communication dans un essaim de drones. Par la suite, un modèle bio-inspiré de mouvement collectif, basé sur le poisson Hemigrammus rhodostomus, a été adapté pour être utilisé comme algorithme de guidage 2D pour les drones. Le modèle est mis en œuvre et validé avec des simulations et des expériences dans une arène de vol, démontrant l'émergence de comportements collectifs. Afin d'exploiter au mieux les capacités de vol des drones, le modèle est étendu à un algorithme de guidage 3D en ajoutant un terme d'interaction verticale. L'impact de cette interaction sur les comportements collectifs est analysé avec des simulations, montrant la modulation de la cohésion de l'essaim et la possibilité d'utiliser des phases collectives pour le contrôle opérationnel de l'essaim. L'une des propriété intéressante qui découle de ces modèles est la notion de phases. L'étude de la transition entre ces phases sous différents environnements stressants, tels que le bruit, les perturbations et les évitement d'ennemi, met en avant les propriétés de résilience de l'essaim. Un terme de répulsion envers un drone ennemi est ajouté au modèle, et son effet sur la dynamique de l'essaim est évalué avec des simulations et des expériences. Certaines de ces expérimentations ont pu être réalisées en extérieur avec un grand nombre de drones, démontrant la faisabilité et la robustesse du modèle bio-inspiré dans des scénarios réels. Pour finir, une discussion est ouverte sur les tâches de navigation, d'évitement d'obstacles et d'exploration pour l'essaim de drones, en utilisant le modèle bio-inspiré comme base. Quelques résultats préliminaires sont proposés, notamment des idées sur la manière de guider la flotte à travers des obstacles fixes, d'explorer des zones ou de suivre des gradients locaux, en utilisant différentes méthodes et outils. La thèse se conclut par une discussion générale sur les principales contributions et limites du modèle bio-inspiré, et quelques perspectives et orientations futures pour la recherche dans ce domaine.

The thesis, titled “Bio-inspired control of a drone swarm for collective motion and applicability to operational scenarios,” explores the application of a bio-inspired model of collective motion, inspired by the behavior of a fish species, to guide and coordinate a swarm of drones in various contexts and environments. The main objectives of the thesis are to understand the biological model, adapt it to a 3D guidance algorithm, validate it with simulations and experiments, and enhance it with navigation, obstacle avoidance, and exploration capabilities. Initially, a review of biological models and drone swarm control strategies focuses on the advantages and challenges of bio-inspired approaches, the concepts and architectures of swarm robotics, and the perception and communication problems in a drone swarm. Subsequently, a bio-inspired model of collective motion, based on the Hemigrammus Rhodostomus fish, was adapted for use as a 2D guidance algorithm for drones. The model is implemented and validated with simulations and experiments in a flight arena, demonstrating the emergence of collective behaviors. The model is extended to a 3D guidance algorithm by adding a vertical interaction term to make the most of the drones' flight capabilities. The impact of this interaction on collective behaviors is analyzed with simulations, showing the modulation of swarm cohesion and the possibility of using collective phases for operational control of the swarm. One interesting property that emerges from these models is the concept of phases. The study of the transition between these phases under different stressful environments, such as noise, disturbances, and enemy avoidance, highlights the resilience properties of the swarm. A term of repulsion towards an enemy is added to the model, and its effect on the swarm dynamics is evaluated with simulations and experiments. Some of these experiments were conducted outdoors with a dozen of drones, demonstrating the feasibility and robustness of the bio-inspired model in real scenarios. Finally, a discussion is opened on the tasks of navigation, obstacle avoidance, and exploration for the drone swarm, using the bio-inspired model as a basis. Some preliminary results are proposed, including ideas on how to guide the fleet through fixed obstacles, explore areas, or follow local gradients using different methods and tools. The thesis concludes with a general discussion of the main contributions and limitations of the bio-inspired model and some perspectives and future directions for research in this field.