Localisation et planification multi-agents à partir de données hétérogènes pour une mission collaborative robotisée de sécurité incendie

Multi-agent localization and planning from heterogeneous data for a collaborative fire safety mission

• Auteur / Autrice : Mehdi Dechicha
• Direction : Julien Marzat
• Type : Projet de thèse
• Discipline(s) : Robotique
• Date : Inscription en doctorat le 04/03/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : ONERA - Département Traitement de l'information et systèmes
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Localisation Indoor

Navigation Autonome

Collaboration UAV/UGV

Données Hétérogènes

Indoor localization

Autonomous Navigation

UAV/UGV Collaboration

Heterogeneous Data

Résumé

Le sujet de thèse s'inscrit dans un projet dont l'ambition est de pouvoir procéder à une intervention de sécurité incendie en milieu intérieur (type entrepôt) en autonomie grâce à l'interopérabilité entre un drone et un robot terrestre. Il s'agira de développer des briques d'autonomie / détection de point chaud / collaboration multi-agents qui permettront d'envisager de réels cas d'utilisation en environnement industriel. A partir de l'identification des capteurs compatibles avec le milieu d'intervention et la spécification de la mission, le coeur des travaux portera sur le développement et la mise au point des différentes briques logicielles de localisation en environnement intérieur perturbé (fumée) et de planification conjointe des trajectoires pour la collaboration multi-agents à partir de données hétérogènes.

The thesis subject is part of a project aiming to conduct autonomous fire safety interventions in indoor settings (such as warehouses) by leveraging interoperability between a drone and a ground-based robot. The focus will be on developing autonomy components, hot spot detection, and multi-agent collaboration capabilities to enable practical use cases in industrial environments. Beginning with identifying sensors suitable for the intervention environment and defining mission specifications, the main effort will revolve around developing and refining various software modules for localization in disrupted indoor environments (e.g., smoke) and coordinating joint path planning for multi-agent collaboration using heterogeneous data sources.