Académique Documents
Professionnel Documents
Culture Documents
CHAPITRE I - Généralité Sur Le Robot Mobile
CHAPITRE I - Généralité Sur Le Robot Mobile
1. INTRODUCTION :
Généralement, l'image que l'on se donne d'un robot est celle d'un système
mécanique articulé devant effectuer des opérations telles que le soudage, la peinture, la
manutention dans des ateliers de l'industrie automobile, ...etc. II en existe pourtant une
autre, dont on parle moins souvent : les robots mobiles à roues.
Ces systèmes sont actuellement très peu répandus dans les applications industrielles.
Pourtant de nombreuses applications potentielles s'offrent à ce type de véhicules:
applications de nettoyage, l’aide à la mobilité de personnes âgées ou handicapées.
6
Chapitre : I Généralités sur les robots mobiles
Figure I.1
7
Chapitre : I Généralités sur les robots mobiles
Domaines Applications
Industrie nucléaire - surveillance de sites
- manipulation de matériaux radioactifs
- démantèlement de centrales
Sécurité civile - neutralisation d'activité terroriste
- déminage
- pose d'explosif
- surveillance de munitions
Chimique - surveillance de site
- manipulation de matériaux toxiques
Mine - assistance d'urgence
Agricole - cueillette de fruits
- traite, moisson, traitement des vignes.
Nettoyage - coque de navire
- nettoyage industriel
Espace - exploration
industrie - convoyage
- surveillance
Sous-marine - pose de câbles
- cherche de modules
- cherche de navires immergés
- inspection des fonds marins
Militaire - surveillance
- pose d’explosif
- manipulation de munitions
8
Les divers avantages des robots mobiles se résument ainsi:
1. Accroissement de la capacité de production
2. Remplacement de l'homme dans l'exécution des tâches pénibles ou
dangereuses
3. Manutentions
2.5 LES MOYENS DE PERCEPTION EN ROBOTIQUE MOBILE :
La perception est un domaine crucial de la robotique. C'est autour de ce concept
qu'est bâtie la structure d'un robot apte à exécuter des tâches complexes ou à évoluer
dans un univers inconnu ou mal connu. L'élément de base du système de perception est
le capteur qui a pour objet de traduire en une information exploitable des données
représentant des caractéristiques de l'environnement.
Les moyens utilisés pour la perception de l'environnement sont nombreux. Nous
citons:
· Les systèmes de vision globale.
· Les télémètres laser et ultrasonores.
· Les capteurs optiques et infrarouges.
· Les capteurs tactiles.
2.6 L'ARCHITECTURE DES ROBOTS MOBILES
L'architecture des robots mobiles se compose de quatre parties essentielles:
- La structure mécanique et la motricité.
- Le système de localisation.
- Les organes de sécurité.
- Le système de traitement des informations et gestion de tâches.
2.6.1 LA STRUCTURE MECANIQUE ET MOTRICITE :
Il existe quatre types de structures mécaniques assurant la motricité:
9
4. Les robots rampants.
Les robots mobiles à roues:
La mobilité par roues est la structure mécanique la plus communément
appliquée .Cette technique assure selon l'agencement et les dimensions des roues un
déplacement dans toutes les directions avec une accélération et une vitesse importantes
.Le franchissement d'obstacles ou l'escalade de marches d'escaliers est possible.
Les robots à chenilles :
L'utilisation des chenilles présente l'avantage d'une bonne adhérence au sol et
d'une faculté de franchissement d'obstacles .L'utilisation est orientée vers l'emploi sur
sol accidenté ou de mauvaise qualité au niveau de l'adhérence.
Les robots marcheurs:
Les robots marcheurs sont destinés à réaliser des tâches variées dont l'accès au
site est difficile .Leur anatomie à nombreux degrés de liberté permet un rapprochement
avec les robot manipulateurs .La locomotion est commandée en termes de coordonnées
articulaires .Les différentes techniques étudiées se rapprochent de la marche des
animaux et notamment de celle des insectes.
10
Capteur de
contact
Etat du
système
11
· Si on détecte une présence, la stratégie consiste soit à immobiliser le robot en
attendant que la personne s'éloigne, soit à ralentir le mouvement si la personne n'est
pas très proche, soit à choisir un autre chemin qui l'éloigne de la personne.
2.6.4 TRAITEMENT DES INFORMATIONS ET GESTION DES
TACHES :
L'ensemble de traitement des informations et gestion des tâches constitue le
noyau du module d'informatique central qui établit les commandes permettant
au robot mobile de réaliser un déplacement et d'activer les divers organes en accord
avec l'objectif.
A ce niveau le problème qui se pose est le problème de génération de plan qui
consiste à établir la manière dont le robot se déplace par rapport à des connaissances
aprioriques « statiques » ou obtenues en cours d'évolution « dynamiques »
La génération des plans repose sur trois concepts:
1. La stratégie de navigation.
2. La modélisation de l'espace.
3. La planification :
3. ETAT DES RECHERCHES
Depuis une vingtaine d'années, un grand nombre de projet de robot mobile à
roues ont vu le jour. Ces études concernent les différents aspects du problème général,
qu'il s'agisse de la perception de l'environnement, de l'analyse de l'environnement, de
la recherche de chemins libres ou du contrôle du déplacement. Nous commencerons
donc par dresser un inventaire des premières approches les plus significatives ou nous
efforçant de respecter un ordre chronologique. Les dates précisées pour chacun de ces
projets ne sont données qu'à titre indicatif. En effet, elles ne reflètent en général que
l'année de parution d'une publication sur le sujet, et non l'année de création du projet.
Avant de présenter ces études, nous ferons remarquer que bon nombre d'entre
elles font référence dans le domaine de la robotique mobile. Elles sont encore utilisées
de nos jours pour tester et valider les approches développées dans les divers
laboratoires.
12
Le robot “ SHAKEY” (1967) [NILS-69]:
C'est sans doute l'un des premiers projets de développement d'un robot mobile
autonome doté de capacités de perception, de décision et de planification. Ce projet a
vu le jour au Stanford Reseach Institute. Dans ce laboratoire, des recherches ont été
menées, par N.J.Nilsson notamment, sur les possibilités d'équiper des machines de
capacités de « déduction » et de « réaction logique » en fonction d'événements
extérieurs. Pour essayer leurs principes en vrai grandeur, ils ont construit «
SHAKEY » une machine « intelligente » à roues. Ce robot était ainsi doté de moyens
de perception constitués d'une caméra, d'un télémètre optique et des capteurs de
proximité. Entre chaque déplacement, une vue panoramique de l'environnement du
robot permet de déterminer la position relative des obstacles de forme polygonale. A
partir de cette vue, un point intermédiaire d'arrivée est - déterminé par minimisation, à
tout instant t, du chemin parcouru.
Pour modéliser les obstacles, puis déterminer une trajectoire libre,
l'environnement du robot est décomposé sous forme de cases d'occupation de plus en
plus petites. Une procédure de recherche géométrique d'un chemin optimal dans un
graphe de connexité, de type A*, permet alors de calculer une trajectoire libre.
13
Chapitre : I Généralités sur les robots mobiles
Ces véhicules se déplacent pas à pas vers un point d'arrivée. En cas de risque de
collision avec un obstacle imprévu sur cette trajectoire, ils choisissent comme but
intermédiaire un point situé légèrement au delà de l'obstacle. Le robot contourne alors
cet objet puis continue son déplacement sur la trajectoire initiale libre.
Dans cette approche, l'environnement est représenté sous la forme d'une grille.
Les obstacles y sont symbolisés sous une forme polygonale caractérisée par les
sommets, son centre de gravité et le cercle circonscrit à sa géométrie. Un chemin
optimal est calculé à l'aide d'un algorithme du type A* de telle sorte qu'il ne traverse
aucun des cercles circonscrits. Ce chemin tient notamment compte de taille et du rayon
de braquage du robot.
Le robot « ROBNAV » (1975) [CAHN-75] :
II s'agit d'une simulation d'une méthode de navigation d'un robot mobile n'ayant
aucune connaissance a priori de son environnement. Les obstacles situés dans son
environnement sont polygonaux et sont détectés à l'aide d'un télémètre à très longue
portée. Lorsqu’un obstacle obstrue le chemin situé dans la direction du point d'arrivée,
une procédure de détection de passage sur les côtés de cet obstacle doit être mise en
oeuvre. Dans ce cas, « ROBNAV3 » se déplace d'une distance donnée dans une
direction faisant un angle a est obtenu par minimisation d'une fonction heuristique.
L'approche proposée permet d'atteindre le but dans la plupart des cas, sauf
dans des environnement de type « bouteille » ou labyrinthe.
Le robot « ARGOS » (1978) :
Le robot « ARGOS », développé à l'université Paul Sabatier de Toulouse,
simule la navigation d'un robot mobile doté d'un système de vision. Au cours de
son déplacement, le robot détecte et mémorise la présence d'obstacles dans chacune
des quatre directions principales : Nord, Sud, Est, Ouest. A partir de ce modèle de
l'environnement, le robot calcule sa trajectoire à l'aide d'un algorithme de navigation
du type A*.
14
Chapitre : I Généralités sur les robots mobiles
15
Chapitre : I Généralités sur les robots mobiles
16
Chapitre : I Généralités sur les robots mobiles
17
permet de décrire les différents objets identifiés par les points. La seconde traduit les
relations existantes entre ces différents points. La
recherche d'un chemin libre est directement réalisée sur cette structure.
Le robot « JASON » (1981 ):
Ce robot a été développé à l'Université de Berkeley. Afin de réaliser' la détection
des obstacles, il est doté de caméras, capteurs à ultrasons et de diodes infrarouges.
L'environnement dans lequel il évolue est modélisé dans une grille remplie à
partir des informations fournies par les différents systèmes de perception. Les
obstacles y sont grossis de la moitié de la largeur du robot afin de réduire celui-ci à un
point. II ne s'agit plus que de, réaliser la navigation d'un point au milieu des obstacles.
cette méthode avait été généralisée par T. LOZANO- PEREZ dans [LOZA79].
Les robots « HERMIES I » et « HERMIES II-B » (1985)[BURK-87]:
HERMIES II-B est le dernier né d'une série de robots mobiles autonomes
développés au CESAR-Yak Ridge National Laboratory's Centre. Ces robots sont
capables d'évoluer dans des environnements hostiles plus ou moins connus et
contenant des obstacles pouvant être aussi bien fixes que mobiles.
- Le robot « ROBUTRYER » (1986):
Le « Robuter » est un robot mobile à roues multifonctions, de base rectangulaire
ou circulaire, destiné aux applications industrielles. Une vaste gamme d'accessoires et
d'équipements lui permettent en effet de s'adapter aux différentes tâches rencontrées
dans les ateliers ou les usines. Point fort de ce robot : son puissant calculateur
embarqué est basé sur un bus V.M.E .II permet de gérer toutes les informations de
navigation ainsi que les différents capteurs de position et de détection de collision
(capteur à infrarouges ou à ultrasons). Ce robot est maintenant fabriqué et
commercialisé par la firme française Robosoft.
Le robot « BLANCHE3 » (1991 ) [cox-91]:
« BLANCHE » est un robot mobile à trois roues : 1 directrice à l'avant, 2 fixes à
l'arrière. Ce robot, développé au NEC Research Institut, a été conçu pour évoluer dans
les couloirs connus d'un bâtiment administratif ou hospitalier plutôt que dans un
environnement naturel non structuré. Son système de navigation repose sur l'utilisation
d'une trajectoire initiale de référence déterminée de façon hors-ligne. Cette trajectoire
18
est représentée dans une carte de modélisation de l'environnement du robot et permet,
par comparaison des informations réelles de distance aux informations contenues dans
la carte, de connaître, à tout moment, la position du robot. Cette approche aborde donc
principalement le problème de la localisation du robot dans son environnement. II
s'agit d'un aspect important de la navigation puisqu'il permet de détecter les erreurs de
positionnement et de déplacement du robot. Ces erreurs peuvent être occasionnées par
le glissement des roues du robot sur le sol ; de tels phénomènes ne pouvant être pris en
compte par les systèmes de mesure des déplacements par odomètre.
4. CONCLUSION
Ce premier chapitre fournit une présentation générale sur les robots mobiles.
II constitue également une introduction de l'étude conduite pour résoudre le
problème de la localisation d'un robot mobile.
Dans le chapitre qui suit, on présentera l'étude cinématique du robot mobile.
Chapitre II La logique floue
II.1 Introduction
La logique floue fut développée par Lofti A. Zadeh en 1965 à partir de sa théorie des sous-
ensembles flous [Zadeh, 1965].
Les sous-ensembles flous sont une manière mathématique de représenter l’imprécision de la langue
naturelle, ils peuvent être considérés comme une généralisation de la théorie des ensembles classiques. La
logique floue est aussi appelée "logique linguistique " car ses valeurs de vérité sont des mots du langage
courant : " plutôt vrai, presque faux, loin, si loin, près de, grand, petit...".
La logique floue a pour objectif l’étude de la représentation des connaissances imprécises, des
raisonnements approchés et elle cherche à modéliser les notions vagues du langage naturel pour pallier
l’inadéquation de la théorie des ensembles classiques dans ce domaine.
19
où µA est le niveau ou degré d’appartenance d’un élément de l’univers de discours U dans le sous-
ensemble flou. On peut définir aussi un sous-ensemble flou A dans l’univers du discours U comme suit
[Zadeh, 1965] :
A = {(x, µA (x)) |x U} (II.2)
avec µ (x) comme le degré d’appartenance de x dans A .
Maintenant, on va définir brièvement les opérations de base effectuées sur les ensembles flous, celles-ci
sont définies en terme de leur fonction d’appartenance.
Soient A et B des ensembles flous dans l'univers X, décrits par leurs fonctions d'appartenance
A ( x), B ( x) respectivement.
Egalité : de deux ensembles flou A et B est notée A=B, elle est donnée par :
x X , µA ( x) µB ( x) (II.3)
Remarque
x X , A A Ø
La figure suivante représente les opérations complément, intersection et union des ensembles flous :
µA ( x ) µ AI B ( x ) µ AU B ( x )
1 1 1
(a)
x (b)
x (c)
x
Figure II.1 : Les fonctions d’appartenance associées aux opérations : (a)
Complément. (b) Intersection. (c) Union
20
ExempleII.1
Les ensembles flous peuvent être représentés par plusieurs types de fonctions
d’appartenances, on peut schématiser les plus utilisées :
Exemple II.2 :
On considère la taille d’un être humain, donc la variable linguistique taille sera définie comme suit:
(Taille, U = {40, 220}, T(X) = {Tx1, Tx2, Tx3}, µ = {µx1, µx2, µx3}) (II.9)
où U est l’univers des tailles humaines défini en centimètres, l’ensemble T est constitué de trois variables
linguistiques : Tx1 = petite, Tx2 = moyenne et Tx3 = grande.
Nous illustrons l’exemple II.1 dans la figure II.2 où on représente la variable linguistique taille de
l’être humain. La définition de chaque sous-ensemble flou repose sur l’intuition des tailles humaines.
21
Si une personne mesure 1m80 cela se traduira par différents degrés d’appartenances à chacun des sous-
ensembles flous : µpetite = 0, µmoyenne = 0.65, µgrande = 0.35 Cette personne peut donc être considérée à la
fois de taille moyenne et grande avec une plus forte appartenance à la taille "moyenne". Par contre une autre
personne de taille 1m55 a les appartenances suivantes:
µpetite = 0, µmoyenne = 1, µgrande = 0. Donc cette personne de taille moyenne
22
Singleton : un ensemble qui ne comporte qu’un seul élément. Le singleton est donné par la fonction
d’appartenance :
1 si x x0
µA ( x ) x X (II.10)
0 autrement
x0 l’entrée.
23
Pour la distance :
TP : très proche, P : proche, L : loin
Pour la vitesse :
Figure II.6 : Représentation des variables d’entrée
P : petite vitesse, M : vitesse moyenne, G : grande vitesse.
La caractérisation des variables nécessite de bien connaître le domaine d’application a fin de proposer un
modèle adéquat à l’aide de la logique floue.
Toute variable de sortie doit être fuzzifiée car les sorties sont liées aux
variables d’entrées. Pour cela il faut également savoir le nombre de variables
de sortie et définir correctement l’univers du discours.
ExempleII.4 :
Nous définissons une variable de sortie: Freinage, de la même manière que pour les variables d’entrée :
24
Figure II.7: Représentation des variables de sortie.
Pour la variable de sortie freinage :
D : doux, F : fort.
II.5 Définition des règles floues :
Le nombre de règles dans un SIF dépend du nombre de variables (d’entrée et de sortie) [Tong-Tong,
1995]. Les règles floues sont généralement du type " SI . . . ALORS " et permettent de représenter les relations
entre les variables d’entrée et de sortie. Plus précisément une règle floue R est définie de la forme suivante
[Jang et al., 1997] :
R : Si x est A Alors y est B (II.11)
Où A et B sont des variables linguistiques définies dans un univers du discours X
et Y . La première partie de la règle " x est A " est l’antécédent et la deuxième partie de la règle " y est B " est
le conséquent.
Les règles floues, peuvent être simples avec antécédent et conséquent simple
ou bien composées, avec la combinaison de plusieurs prémisses de la forme conjonctive suivante :
R : Si x1 est A1 et x2 est A2 et . . . et xn est An Alors y est B (II.12)
ou bien de la forme :
R : Si x1 est A1 et x2 est A2 et . . . et xn n’est pas An Alors y est B (II.13)
Considérons à titre illustratif une règle floue : " Si la voiture est très proche (TP) au feu et la vitesse de la voiture
est grande (G)…. Alors le freinage est fort (F)".
x X , y Y ; µR ( x, y ) f ( µA ( x ), µB ( y )) (II.14)
25
Willmott µR ( x, y ) max{1 µA ( x), min( µA ( x), µB ( y ))}
1 si µA ( x) µB ( y )
Rescher-Gaines µR ( x, y )
0 si non
Kleene-Dienes max 1 µA ( x ), µB ( y )
1 si µA ( x) µB ( y )
Brouwer-Gödel µR ( x, y )
µB ( y ) autrement
µA ( x )
min ,1 si µA ( x) 0
Goguen µR ( x, y ) µ
B ( y )
1
autrement
Lukasiewicz µR ( x, y ) min(1 µA ( x) µB ( y ),1)
Mamdani µR ( x, y ) min( µA ( x), µB ( y ))
Larsen µR ( x, y ) µA ( x).µB ( y )
Le but de l’inférence floue est de déterminer les sorties du système à partir des entrées floues issues
de la fuzzification des entrées réelles, étant donné une collection de règles, le mécanisme d’inférence consiste à
dériver un ensemble flou de sorties à partir de l’agrégation des conclusions de l’ensemble des règles floues.
II.5.2.1 Inférence avec une seule règle
Dans le cas où une seule règle floue serait activée l’inférence repose sur la valeur d’appartenance (µ)
(appelé poids) associé à la variable linguistique d’entrée. La définition pour ce cas est comme suit :
Règle 1 : Si x1 est A1 et Si x2 est A2 Alors y est B
Dans le cas d’inférence d’une seule règle le degré d’appartenance de la variable linguistique de sortie (B) est
défini comme suit :
µB(y) = poids de la règle 1 = min (µA1(x1), µA2(x2))
Exemple II.5 :
Pour illustrer le cas d’une inférence avec une seule règle, nous supposons que nous voulons connaître
la force de freinage d’une voiture qui roule dans une ville si le feu est rouge. Pour cela nous avons deux
caractéristiques associées : Vitesse et Distance. Ces caractéristiques sont alors nos variables d’entrée et la
variable de sortie est freinage.
Si nous considérons une voiture qui roule à une vitesse de 65 Km/h et le feu se trouve à 20 mètres, la règle
activée est la suivante :
R1 : Si Distance est très proche et Vitesse est grande Alors Freinage est Fort. Ou bien :
Si Distance est TP et Vitesse est G Alors Freinage est F
Le degré d’accomplissement ou degré d’appartenance (µ) pour la variable
Distance (x1 =20) et Vitesse (x2 = 65) est comme suit :
x1 = 20 → µTP (20) = 0.42 , µP (20) = 0.57 , µL (20) = 0.0
x2 = 65 → µP (65) = 0.0, µM (65) = 0.375, µG (65) = 0.833
26
Le résultat de l’inférence se fait seulement en prenant la valeur la plus petite des prémisses (Voir Figure 3.8)
c’est-à-dire que nous obtenons :
27
Le sous-ensemble obtenu indique que la force de freinage doit être à la fois forte et douce. Pour connaître avec
Figure II.9 : Méthode d’inférence à deux règles activées
quelle force (entre 0 et 35 Newtons) le conducteur doit appuyer sur la pédale il faut défuzzifier ce résultat pour
obtenir y0
(Voir Figure II.10) comme nous l’expliquons dans le paragraphe suivant.
28
de l’inférence. Cette sortie est un sous-ensemble représentant l’union des conclusions. La méthode de
défuzzification la plus utilisée pour faire cette transformation est celle de la détermination du centre de gravité de
ce sous-ensemble comme suit :
y .µ i B ( yi )
y0 i 1
N (3.15)
µ i 1
B ( yi )
y. B ( y )dy
y0 b
a
(3.16)
b
B ( y ) dy
où y0 est une valeur qui va se transmettre à l’extérieur du système comme résultat de ce mécanisme flou. Les
bornes de l’intégrale a et b correspondent alors à la valeur minimale et à la valeur maximale du sous-ensemble
freinage, i.e. a = 0.0 et b = 50. Nous voulons remarquer que l’intégrale du dénominateur donne la surface à
défuzzifier, tandis que l’intégrale du numérateur correspond au moment de la surface. La sortie ( y0 ) obtenue par
la méthode de defuzzification est:
y0 = 25.77 Newtons.
Étant donné que les valeurs de freinage sont notées en newtons, le conducteur doit donc appuyer sur la pédale de
frein avec une force de 25.77 Newtons.
Il existe d’autres méthodes pour faire la defuzzification [Ross, 2005] : méthodes des maximums, somme−prod,
moyenne−pondérée, moyenne des maximums, entre autres. La méthode du centre de gravité est utilisée avec le
mécanisme d’inférence max-min de Mamdani, car cette méthode fournit une interpolation proportionnelle à la
taille des sous-ensembles individuels des conséquents.
Parmi les autres méthodes de défuzzification:
La méthode du maximum
Celui-ci examine l’ensemble flou B (de sortie) et choisit comme sortie la valeur de y pour la quelle µB ( y )
est un maximum. La figure suivante illustre cette méthode :
29
µB ( y )
y
y0
Figure II.11 : Défuzzification par la méthode du maximum.
La méthode de la moyenne des maxima
Cette méthode examine l’ensemble flou B et détermine premièrement les valeurs de y pour lesquelles
µB ( y ) est un maximum. Puis, calcule les moyennes de ces valeurs comme sa sortie. La valeur de sortie est
donnée par l’équation :
y i
(3.17)
i
N
y .µ l
Bl
( yl )
y0 i 1
M (3.18)
µ
i 1
Bl
(y ) l
l ieme règle.
II.6. avantages d’un contrôleur flou :
Un contrôleur standard (PID ou autre) demande un modèle le plus précis possible comme des équations
différentielles .Par contre un contrôleur flou ne demande pas de modèle pareille,les algorithmes de réglage se
basent sur des règles linguistiques de la forme SI…condition…….. ALORS……action.
Ces règles peuvent être exprimées en utilisant le langage tous les jours et la connaissance intuitive d’un opérateur
humain .ce qui conduit à deux avantages :
1) Le contrôle flou reste toujours clair pour tous les utilisateurs et opérateurs de la machine
2) Les opérateurs peuvent facilement interpréter les effets ou conséquence de chaque règle.
Donc pour les systems mal connus ou complexes (non-linéaire), un contrôleur flou s’avère très intéressant
[Pierre Gabriel 2000-2001]
Historique
Depuis une vingtaine d'années, un grand nombre de projet de robot mobile à
roues ont vu le jour. Ces études concernent les différents aspects du problème général,
qu'il s'agisse de la perception de l'environnement, de l'analyse de l'environnement, de
30
la recherche de chemins libres ou du contrôle du déplacement. Nous commencerons
donc par dresser un inventaire des premières approches les plus significatives ou nous
efforçant de respecter un ordre chronologique. Les dates précisées pour chacun de ces
projets ne sont données qu'à titre indicatif. En effet, elles ne reflètent en général que
l'année de parution d'une publication sur le sujet, et non l'année de création du projet.
Avant de présenter ces études, nous ferons remarquer que bon nombre d'entre
elles font référence dans le domaine de la robotique mobile. Elles sont encore utilisées
de nos jours pour tester et valider les approches développées dans les divers
laboratoires.
Le robot “ SHAKEY” (1967) [NILS-69]
C'est sans doute l'un des premiers projets de développement d'un robot mobile
autonome doté de capacités de perception, de décision et de planification. Ce projet a
vu le jour au Stanford Reseach Institute. Dans ce laboratoire, des recherches ont été
menées, par N.J.Nilsson notamment, sur les possibilités d'équiper des machines de
capacités de « déduction » et de « réaction logique » en fonction d'événements
extérieurs. Pour essayer leurs principes en vrai grandeur, ils ont construit «
SHAKEY » une machine « intelligente » à roues. Ce robot était ainsi doté de moyens
de perception constitués d'une caméra, d'un télémètre optique et des capteurs de
proximité. Entre chaque déplacement, une vue panoramique de l'environnement du
robot permet de déterminer la position relative des obstacles de forme polygonale. A
partir de cette vue, un point intermédiaire d'arrivée est - déterminé par minimisation, à
tout instant t, du chemin parcouru.
Pour modéliser les obstacles, puis déterminer une trajectoire libre,
l'environnement du robot est décomposé sous forme de cases d'occupation de plus en
plus petites. Une procédure de recherche géométrique d'un chemin optimal dans un
graphe de connexité, de type A*, permet alors de calculer une trajectoire libre.
31
l'homme. Général Electric développe alors un quadrupède. En même temps, au début
de l'industrie spatiale, s'échafaudent au Jet Propulsion Laboratory de Pasadena, les
projets « Luna » et « Mars Rover o. 11 s'agit de projets de véhicules destinés à
l'exploration de la lune et de la planète Mars, guidés par des opérateurs restés sur terre.
Les obstacles y sont des rochers, des montagnes ou des ravins. Ces véhicules se
déplacent pas à pas vers un point d'arrivée. En cas de risque de collision avec un
obstacle imprévu sur cette trajectoire, ils choisissent comme but intermédiaire un point
situé légèrement au delà de l'obstacle. Le robot contourne alors cet objet puis continue
son déplacement sur la trajectoire initiale libre.
Dans cette approche, l'environnement est représenté sous la forme d'une grille.
Les obstacles y sont symbolisés sous une forme polygonale caractérisée par les
sommets, son centre de gravité et le cercle circonscrit à sa géométrie. Un chemin
optimal est calculé à l'aide d'un algorithme du type A* de telle sorte qu'il ne traverse
aucun des cercles circonscrits. Ce chemin tient notamment compte de taille et du rayon
de braquage du robot.
Le robot « ROBNAV » (1975) [CAHN-75]
II s'agit d'une simulation d'une méthode de navigation d'un robot mobile n'ayant
aucune connaissance a priori de son environnement. Les obstacles situés dans son
environnement sont polygonaux et sont détectés à l'aide d'un télémètre à très longue
portée. Lorsqu’un obstacle obstrue le chemin situé dans la direction du point d'arrivée,
une procédure de détection de passage sur les côtés de cet obstacle doit être mise en
oeuvre. Dans ce cas, « ROBNAV3 » se déplace d'une distance donnée dans une
direction faisant un angle a est obtenu par minimisation d'une fonction heuristique.
L'approche proposée permet d'atteindre le but dans la plupart des cas, sauf
dans des environnement de type « bouteille » ou labyrinthe.
Le robot « ARGOS » (1978)
Le robot « ARGOS », développé à l'université Paul Sabatier de Toulouse,
simule la navigation d'un robot mobile doté d'un système de vision. Au cours de
son déplacement, le robot détecte et mémorise la présence d'obstacles dans chacune
des quatre directions principales : Nord, Sud, Est, Ouest. A partir de ce modèle de
32
l'environnement, le robot calcule sa trajectoire à l'aide d'un algorithme de navigation
du type A*.
Le robot “HIL ARE” (1979) [CHAT-85]
Dans cette approche, les chercheurs du L.A..A.S de Toulouse, sous l'impulsion
de R.Chatilla et J.P.Laumond, étudièrent la planification de trajectoires d'un robot,
modélisé comme un point, évoluant dans un environnement totalement connu à deux
dimensions. Ils ont basé la planification sur une décomposition exacte de l'espace de
travail en un ensemble de cellules polygonales convexes de différents types. Le
planificateur est basé sur un algorithme de navigation A*.
Le robot « CART » (1980)
Ce projet a été mené par H.P.Moravec et CO, à l'université de Stanford. Les
obstacles sont circulaires et sont détectés par le robot à l'aide d'un système de vision
composé de deux caméras. Des corrélations locales sont effectuées entre les deux
images afin de déterminer la profondeur de certains points.
La navigation du robot mobile jusqu'au point d'arrivée consiste à calculer le plus
court chemin, existant entre le robot et le but, passant par les tangentes communes aux
différents obstacles. Le « Cart » avance par pas de un mètre, effectue une prise de vue
et poursuit son plan.
Un second véhicule, le « C-MU Rover » a été construit depuis, dans ce même
laboratoire. II bénéficie de l'expérience acquise, notamment en ce concerne la
perception des obstacles par stéréovision.
Le robot « VESA » (1981)
Ce robot, créé à l'I.N.S.A. de Rennes, est doté d'un bras tactile télescopique ainsi
que d'un arceau de sécurité afin de réaliser la détection des obstacles dans un
environnement inconnu. S'il n'y a pas d'obstacle dans son environnement local, le
robot se déplace en d'érection du point d'arrivée. Sinon, le robot tourne d'un angle
donné et se déplace dans cette nouvelle direction. Si l'obstacle ne constitue plus une
barrière pour atteindre le point d'arrivée, le robot se déplace dans sa direction. Sinon,
l'opération consistant à contourner l'obstacle est renouvelée.
33
Ce robot peut également évoluer dans un espace de travail partiellement connu ou
l'opérateur a décrit l'environnement à l'aide d'un vocabulaire simple fournissant des
caractéristiques sur les obstacles telles que : forme, taille, position. Une trajectoire
initiale optimale, du point de vue du chemin parcouru, peut ainsi être calculée et suivie
ensuit par le robot.
Le robot « YMABIKO » (1981 )
La navigation de ce robot est basée sur une modélisation de l'environnement du
robot sous la forme d'un squelette composé d'un ensemble de points représentant
chacun un obstacle. Deux listes sont utilisées pour décrire cette structure. La première
permet de décrire les différents objets identifiés par les points. La seconde traduit les
relations existantes entre ces différents points. La
recherche d'un chemin libre est directement réalisée sur cette structure.
Le robot « JASON » (1981 )
Ce robot a été développé à l'Université de Berkeley. Afin de réaliser' la détection
des obstacles, il est doté de caméras, capteurs à ultrasons et de diodes infrarouges.
L'environnement dans lequel il évolue est modélisé dans une grille remplie à
partir des informations fournies par les différents systèmes de perception. Les
obstacles y sont grossis de la moitié de la largeur du robot afin de réduire celui-ci à un
point. II ne s'agit plus que de, réaliser la navigation d'un point au milieu des obstacles.
cette méthode avait été généralisée par T. LOZANO- PEREZ dans [LOZA79].
Les robots « HERMIES I » et « HERMIES II-B » (1985)[BURK-87]
HERMIES II-B est le dernier né d'une série de robots mobiles autonomes
développés au CESAR-Yak Ridge National Laboratory's Centre. Ces robots sont
capables d'évoluer dans des environnements hostiles plus ou moins connus et
contenant des obstacles pouvant être aussi bien fixes que mobiles.
- Le robot « ROBUTRYER » (1986)
Le « Robuter » est un robot mobile à roues multifonctions, de base rectangulaire
ou circulaire, destiné aux applications industrielles. Une vaste gamme d'accessoires et
d'équipements lui permettent en effet de s'adapter aux différentes tâches rencontrées
dans les ateliers ou les usines. Point fort de ce robot : son puissant calculateur
34
embarqué est basé sur un bus V.M.E .II permet de gérer toutes les informations de
navigation ainsi que les différents capteurs de position et de détection de collision
(capteur à infrarouges ou à ultrasons). Ce robot est maintenant fabriqué et
commercialisé par la firme française Robosoft.
Le robot « BLANCHE3 » (1991 ) [cox-91]
« BLANCHE » est un robot mobile à trois roues : 1 directrice à l'avant, 2 fixes à
l'arrière. Ce robot, développé au NEC Research Institut, a été conçu pour évoluer dans
les couloirs connus d'un bâtiment administratif ou hospitalier plutôt que dans un
environnement naturel non structuré. Son système de navigation repose sur l'utilisation
d'une trajectoire initiale de référence déterminée de façon hors-ligne. Cette trajectoire
est représentée dans une carte de modélisation de l'environnement du robot et permet,
par comparaison des informations réelles de distance aux informations contenues dans
la carte, de connaître, à tout moment, la position du robot. Cette approche aborde donc
principalement le problème de la localisation du robot dans son environnement. II
s'agit d'un aspect important de la navigation puisqu'il permet de détecter les erreurs de
positionnement et de déplacement du robot. Ces erreurs peuvent être occasionnées par
le glissement des roues du robot sur le sol ; de tels phénomènes ne pouvant être pris en
compte par les systèmes de mesure
Ce robot peut également évoluer dans un espace de travail partiellement connu ou
l'opérateur a décrit l'environnement à l'aide d'un vocabulaire simple fournissant des
caractéristiques sur les obstacles telles que : forme, taille, position. Une trajectoire
initiale optimale, du point de vue du chemin parcouru, peut ainsi être calculée et suivie
ensuit par le robot.
Le robot « YMABIKO » (1981 )
La navigation de ce robot est basée sur une modélisation de l'environnement du
robot sous la forme d'un squelette composé d'un ensemble de points représentant
chacun un obstacle. Deux listes sont utilisées pour décrire cette structure. La première
permet de décrire les différents objets identifiés par les points. La seconde traduit les
relations existantes entre ces différents points. La
recherche d'un chemin libre est directement réalisée sur cette structure.
Le robot « JASON » (1981 )
35
Ce robot a été développé à l'Université de Berkeley. Afin de réaliser' la détection
des obstacles, il est doté de caméras, capteurs à ultrasons et de diodes infrarouges.
L'environnement dans lequel il évolue est modélisé dans une grille remplie à
partir des informations fournies par les différents systèmes de perception. Les
obstacles y sont grossis de la moitié de la largeur du robot afin de réduire celui-ci à un
point. II ne s'agit plus que de, réaliser la navigation d'un point au milieu des obstacles.
Cette méthode avait été généralisée par T. LOZANO- PEREZ dans [LOZA79].
Les robots « HERMIES I » et « HERMIES II-B » (1985)[BURK-87]
HERMIES II-B est le dernier né d'une série de robots mobiles autonomes
développés au CESAR-Yak Ridge National Laboratory's Centre. Ces robots sont
capables d'évoluer dans des environnements hostiles plus ou moins connus et
contenant des obstacles pouvant être aussi bien fixes que mobiles.
- Le robot « ROBUTRYER » (1986)
Le « Robuter » est un robot mobile à roues multifonctions, de base rectangulaire
ou circulaire, destiné aux applications industrielles. Une vaste gamme d'accessoires et
d'équipements lui permettent en effet de s'adapter aux différentes tâches rencontrées
dans les ateliers ou les usines. Point fort de ce robot : son puissant calculateur
embarqué est basé sur un bus V.M.E .II permet de gérer toutes les informations de
navigation ainsi que les différents capteurs de position et de détection de collision
(capteur à infrarouges ou à ultrasons). Ce robot est maintenant fabriqué et
commercialisé par la firme française Robosoft.
Le robot « BLANCHE3 » (1991 ) [cox-91]
« BLANCHE » est un robot mobile à trois roues : 1 directrice à l'avant, 2 fixes à
l'arrière. Ce robot, développé au NEC Research Institut, a été conçu pour évoluer dans
les couloirs connus d'un bâtiment administratif ou hospitalier plutôt que dans un
environnement naturel non structuré. Son système de navigation repose sur l'utilisation
d'une trajectoire initiale de référence déterminée de façon hors-ligne. Cette trajectoire
est représentée dans une carte de modélisation de l'environnement du robot et permet,
par comparaison des informations réelles de distance aux informations contenues dans
la carte, de connaître, à tout moment, la position du robot. Cette approche aborde donc
principalement le problème de la localisation du robot dans son environnement. II
36
s'agit d'un aspect important de la navigation puisqu'il permet de détecter les erreurs de
positionnement et de déplacement du robot. Ces erreurs peuvent être occasionnées par
le glissement des roues du robot sur le sol ; de tels phénomènes ne pouvant être pris en
compte par les systèmes de mesure des déplacements par odomètre.
I.1 Introduction
pendant un certain temps une intervention humaine, même s’ils sont capable,
sans risque pour les biens ni les personnes d’évoluer dans un environnement
I.2 Définition
37
encore des pattes. Nous allons nous concentrer sur l'étude des robots à roues. Ceux-ci
sont, en effet, particulièrement adaptés à un environnement plat.
38
- manipulation de matériaux toxiques
Mine - assistance d'urgence
Agricole - cueillette de fruits
- traite, moisson, traitement des vignes.
Nettoyage - coque de navire
- nettoyage industriel
Espace - exploration
industrie - convoyage
- surveillance
Sous-marine - pose de câbles
- cherche de modules
- cherche de navires immergés
- inspection des fonds marins
Militaire - surveillance
- pose d’explosif
- manipulation de munitions
39
Les robots à chenilles.
Les robots marcheurs.
Les robots rampants.
Les robots mobiles à roues
La mobilité par roues est la structure mécanique la plus communément
appliquée .Cette technique assure selon l'agencement et les dimensions des roues un
déplacement dans toutes les directions avec une accélération et une vitesse importantes
.Le franchissement d'obstacles ou l'escalade de marches d'escaliers est possible.
40
Le comportement du robot mobile lors de la détection d'un obstacle s'effectue selon
plusieurs cas:
Si le capteur à contact est sollicité le robot s'immobilise soit définitivement soit
tant que le contact persiste, ou il effectue un mouvement opposé au contact.
Si on détecte une présence, la stratégie consiste soit à immobiliser le robot en
attendant que la personne s'éloigne, soit à ralentir le mouvement si la personne
n'est pas très proche, soit à choisir unt autre chemin qui l'éloigne de la personne.
I.6.4 Traitement des informations et gestion des taches
L'ensemble de traitement des informations et gestion des tâches constitue le
noyau du module d'informatique central qui établit les commandes permettant au robot
mobile de réaliser un déplacement et d'activer les divers organes en accord avec
l'objectif.
A ce niveau le problème qui se pose est le problème de génération de plan qui
consiste à établir la manière dont le robot se déplace par rapport à des connaissances
aprioriques « statiques » ou obtenues en cours d'évolution « dynamiques »
La génération des plans repose sur trois concepts:
1. La stratégie de navigation.
2. La modélisation de l'espace.
3. La planification.
41
sont des roues dont la direction peut varier librement selon un axe vertical. Elles
présentent l'avantage de donner au robot la possibilité de tourner à droite ou à gauche
Un robot de type unicycle est actionné par deux roues indépendantes, il possède
éventuellement des roues folles (libres) pour assurer sa stabilité. Son centre de
rotation est situé sur l'axe reliant les deux roues motrices. En effet il est impossible de
le déplacer dans une direction perpendiculaire aux roues de locomotion.
42
I.7.2.2 Robot tricycle
Un robot de type tricycle est constitué de deux roues fixes placées sur un même
axe et d'une roue centrée orientable placée sur l'axe longitudinal.
Le mouvement du robot est donné par la vitesse des deux roues fixes et par
l'orientation de la roue orientable. Son centre de rotation est situé à l'intersection de
l'axe contenant les roues fixes et de l'axe de la roue orientable. Il est impossible de le
déplacer dans une direction perpendiculaire aux roues de locomotion.
Un robot de type voiture est semblable au tricycle, il est constitué de deux roues
fixes placées sur un même axe et de deux roues centrées orientables places elles aussi
sur un même axe.
Le robot de type voiture est cependant plus stable puisqu'il possède un point
d'appui supplémentaire .Toutes les autres propriétés du robot voiture sont identiques au
robot tricycle, le deuxième pouvant être ramené eau premier en remplaçant les deux
roues avant par une seule placée au centre de l'axe, et ceci de manière à laisser le
centre de rotation inchangée.
43
Figure I.4 : Robot mobile de type voiture.
44
- stable
Robot unicycle - rotation sur soi-même - non holonôme
- complexité mécanique faible
- non holonôme
- complexité mécanique - peu stable
Robot tricycle - pas de rotation sur
modérée
soi-même
- complexité mécanique
modérée - non holonôme
- pas de rotation sur
Robot voiture - stable soi- même
- complexité mécanique
modérée
- holonôme
Robot - stable - complexité
omnidirectionnel - rotation sur soi-même mécanique importante
Note :
La holonomie est la capacité de changé la direction de mouvement
selon un axe perpendiculaire a l’axe de la direction précédente tout comme les
plates formes omnidirectionnelles (e. x : chaise à roues).
I.8.1 Description
45
I.8.3 La commande
46
Pour la vitesse de rotation du robot ω, on a :
. .
. vd vg (1.2)
w r d g
l l
Avec r le rayon d’une roue et l la distance entre les deux roues motrices.
I.8.3 La localisation
.
w (1.3)
.
x v. cos (1.4)
.
y v. sin (1.5)
L'utilisation de capteurs permet de déterminer la position du robot à tout instant, à la
condition de connaître sa position initiale. Cette méthode est connue sous l'appellation
de localisation relative. Nous récupérons la valeur des capteurs à intervalles réguliers
et nous faisons l'hypothèse que la vitesse du robot est constante entre deux mesures
successives.
Nous veillerons donc à prendre des intervalles de temps suffisamment courts pour que
cette hypothèse soit valable, en faisant toutefois attention à les garder suffisamment
grands par rapport à la résolution des capteurs.
47
C’est la méthode de localisation relative la plus courante, elle nécessite une
initialisation par rapport à l’environnement, des codeurs optique montés sur les axes
des moteurs permettant d’évaluer les rotations élémentaires des roues.
Le principe de calcul de la position et de l’orientation du robot dans cette méthode, par
rapport un repère absolu. Le déplacement du robot entre deux instants successifs ti et
ti+1 est déterminé par les équations suivantes :
qd qg
i (I.6)
l
qd qg
D (I.7)
2
i 1 i i (I.8)
xi 1 xi D cos(i i ) (I.9)
yi 1 yi D sin(i i ) (I.10)
Où : D r.n. avec
r : le rayon des roues.
n : le nombre d’impulsion délivrés par le codeur entre les instants t i
et ti+1.
α : la résolution du codeur.
qd , qg : Les distances parcourues par le centre de chaque roue
y y
entre ti et ti+1. x q g
l : la distance entre les deux roues.D
i
qd
i 1
x
Figure I.7 : Principe de l’odométrie
i
48
I.8.3.2 La localisation par capteurs inertiels
Les capteurs inertiels utilisés en robotique mobile, sont deux types
les géomètres qui fournissent une mesure de la vitesse instantanée de la
rotation
les accéléromètres qui servent à mesurer l’accélération instantanée en
translation ces systèmes inertiels sont simples mais coûteux.
I.8.3.2 La localisation absolue
Qui exige une vision globale du milieu de travail comme GPS (Global
Positioning Système), les cameras, les télémètres.
Par exemple le télémètre à laser fait un balayage de 360o sur l’environnement
et fournit les distances séparent le robot des différents objets.
CONCLUSION
Ce chapitre présente également des généralités importantes sur la robotique
mobile.la construction, les applications et les types des robots mobiles à roues ainsi la
modélisation cinématique.
Les concepts fondamentaux de la théorie des ensembles flous, la logique floue,
les différentes parties constituant un régulateur flou seront l’objectif du chapitre
suivant.
49