Analyse de al traversabilité pour une navigation sure dans des environnements déformables

Traversability analysis for safe navigation in deformable environ- ments

• Auteur / Autrice : Muhammad Khizar
• Direction : Romuald Aufrere, Jonas Koko
• Type : Projet de thèse
• Discipline(s) : Image, système de perception, robotique
• Date : Inscription en doctorat le 01/08/2024
• Etablissement(s) : Université Clermont Auvergne (2021-...)
• Ecole(s) doctorale(s) : Sciences pour l'Ingénieur
• Partenaire(s) de recherche : Laboratoire : LIMOS - Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes

Mots clés

Mots clés libres

Navigation

Slam

Robotique

Traversabilité

Navigation

Slam

Robotics

Traversability

Résumé

Ce projet de doctorat vise à améliorer la navigation autonome des robots agricoles tout-terrain pour soutenir une agriculture durable en développant un cadre robuste pour une navigation sécurisée dans des environnements déformables et non structurés. Il aborde les défis auxquels les robots sont confrontés dans des environnements extérieurs divers et imprévisibles, comme distinguer les hautes herbes, les cultures et les obstacles dangereux, en améliorant la perception grâce à la fusion multi-capteurs et à la compréhension en temps réel. Les contributions clés comprennent la création d'un modèle pour caractériser la déformabilité des obstacles à l'aide de pare-chocs sur mesure et de capteurs extéroceptifs comme les lidars pour la cartographie probabiliste, le développement d'algorithmes de planification de trajectoire tenant compte des risques qui équilibrent la robustesse des robots avec la préservation de l'environnement, et la conception de stratégies de navigation intelligentes pour l'exploration et l'exécution des tâches dans des environnements inconnus. Cette recherche vise à améliorer le fonctionnement sûr et efficace des robots agricoles autonomes, soutenant la transition agroécologique dans les pratiques agricoles.

This Ph.D. project focuses on enhancing autonomous navigation for off-road agricultural robots to support sustainable agriculture by developing a robust framework for safe navigation in deformable, unstructured environments. It addresses the challenges robots face in diverse and unpredictable outdoor settings, such as distinguishing between tall grass, crops, and hazardous obstacles, by enhancing perception through multi-sensor fusion and real-time understanding. Key contributions include creating a model to characterize the deformability of obstacles using custom-made bumpers and exteroceptive sensors like lidars for probabilistic mapping, developing risk-aware path planning algorithms that balance robot robustness with environmental preservation, and devising intelligent navigation strategies for exploration and task execution in unknown environments. This research aims to improve the safe and efficient operation of autonomous agricultural robots, supporting the agroecological transition in farming practices.