PERFECT: PErformant and Robust read-to-fly FlEet ConfiguraTion: from Robot to Mission Plan

• Auteur / Autrice : Lucas Ligny
• Direction : Gauthier Picard, Elise Vareilles
• Type : Projet de thèse
• Discipline(s) : Informatique et Télécommunications
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Toulouse, ISAE
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
• Partenaire(s) de recherche : Laboratoire : ISAE-ONERA MOIS MOdélisation et Ingénierie des Systèmes
• Partenaire(s) de recherche : Equipe de recherche : ONERA/DTIS/MITT - Département Traitement de l'Information et Systèmes

Mots clés

Mots clés libres

Configuration

Système multi-agent

Recherche opérationnelle

Performance

Robustesse

Configuration

Multi-agent system

Operations research

Performance

Robustness

Résumé

Avec l'autonomie croissante des robots terrestres, aériens ou maritimes, les flottes de robots sont aujourd'hui utilisées pour de nombreux types de mission. C'est par exemple le cas de la livraison de colis, des taxis volants, de l'exploration de zones, de mission de sauvetage ou de l'intervention sur des lieux de catastrophe. Certaines de ces applications nécessitent des flottes de robots hétérogènes, i.e. qui ont des capacités différentes, e.g. détecter, communiquer, observer, se déplacer, etc. Par exemple, une mission d'exploration peut requérir la collaboration de robots terrestres ayant au moins la capacité se déplacer et de drones ayant au moins la capacité observer. La réussite d'une mission multi-robots repose, entre autres, sur la configuration de la flotte réalisant la mission. Par configuration, nous entendons le dimensionnement de la flotte, mais également le choix de l'ensemble des équipements de chaque robot, lui conférant certaines capacités. Ce problème soulève de nombreux sujets de recherche tels que la représentation/modélisation de connaissances de configuration (langage compact de modélisation), l'élicitation des contraintes (ce qui est autorisé ou interdit) et des critères (ce qui est préféré) qui s'appliquent, à la fois à la configuration de la flotte et à chaque robot la composant, mais encore le développement d'algorithmes pour générer des solutions optimales ou tout du moins de bonne qualité. Dans cette thèse, nous souhaitons adresser les contraintes et critères de performance et de robustesse dès la phase de configuration de la flotte, et ce dans les cas où la configuration est complexe. Plus précisément, étant donnés un ou plusieurs types de mission pour la flotte avec des performances et robustesse cibles et des capacités de robot associées, un ensemble d'équipements possibles avec leurs contraintes de compatibilité et les relations entre équipements et capacités de robot, nous cherchons à définir le nombre de robots composant la flotte et la configuration de chaque robot de manière à atteindre les objectifs de performance et de robustesse désirés. La problématique consiste alors à explorer l'espace des configurations en étant guidé par l'évaluation de la performance et de la robustesse. Cette problématique peut être abordée de plusieurs manières. Tout d'abord, se pose la question de l'expression des connaissances, des contraintes et des préférences, que ce soit du point de vue de la configuration de la flotte que de la performance et de la robustesse liées à la mission. Des approches de type programmation par contraintes et modélisation organisationnelle multi-agent pourront être utilisées. Il faut ensuite développer des stratégies de résolution adaptées. Une piste possible serait de s'inspirer de l'optimisation bi-niveaux et définir un niveau dédié à la configuration et un autre à l'évaluation de la performance ou de la robustesse. L'enjeu est alors de permettre aux niveaux d'interagir et de se guider mutuellement vers des solutions optimales. Plusieurs approches algorithmiques pourront être suivies : programmation par contraintes, recherche locale, métaheuristiques ainsi que d'éventuels couplages avec des stratégies basées apprentissage. Les approches développées au cours de la thèse pourront être validées par des expérimentations menées sur des problèmes multi-robots représentatifs des applications traitées à l'ONERA.

With the increasing autonomy of land, air and sea robots, robot fleets are today used for many types of missions. This is for example the case of parcel delivery, flying taxis, exploration of areas, rescue missions or intervention at disaster sites. Some of these applications require fleets of heterogeneous robots, i.e. which have different capabilities, e.g. detecting, communicating, observing, moving, etc. For example, an exploration mission may require the collaboration of terrestrial robots having at least the ability to move and drones having at least the ability to observe. The success of a multi-robot mission depends, among other things, on the configuration of the fleet carrying out the mission. By configuration, we mean the sizing of the fleet, but also the choice of the equipment for each robot, giving it certain capabilities. This problem raises many research subjects such as the representation/modeling of configuration knowledge (compact modeling language), the elicitation of constraints (what is allowed or prohibited) and criteria (what is preferred) which apply, both to the configuration of the fleet and to each robot composing it, but also the development of algorithms to generate optimal or at least good quality solutions. In this thesis, we wish to address the constraints and criteria of performance and robustness from the fleet configuration phase in cases where the configuration is complex. More precisely, given one or more mission types for the fleet with target performance and robustness and associated robot capabilities, a set of possible equipment with their compatibility constraints and the relationships between equipment and robot capabilities, we seek to define the number of robots making up the fleet and the configuration of each robot in order to achieve the desired performance and robustness objectives. The problem then consists of exploring the space of configurations while being guided by the evaluation of performance and robustness. This problem can be approached in several ways. First of all arises the question of the expression of knowledge, constraints and preferences, whether from the point of view of the configuration of the fleet or of the performance and robustness linked to the mission. Approaches such as constraint programming and multi-agent organizational modeling could be used. It is then necessary to develop appropriate resolution strategies. One possible lead would be to draw inspiration from bi-level optimization and define a level dedicated to configuration and another to the evaluation of performance or robustness. Then, the challenge is to allow the levels to interact and guide each other towards optimal solutions. Several algorithmic approaches can be followed: constraint programming, local search, metaheuristics as well as coupling with learning-based strategies. The approaches developed during the thesis can be validated by experiments carried out on multi-robot problems representative of the applications processed at ONERA.