Vous êtes sur la page 1sur 46

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministre de lEnseignement et de la Recherche


Scientifique
Universit d'Oran

Ralis par:
LAOUICI Zineb

2013

Plan:

Introduction:
Le pouvoir de ltre humain de faciliter son vie
,ainsi son incapacit de raliser diffrentes
missions cause de leurs difficults ou leurs
influence sur sa sant les poussent dcouvrir et
dvelopper des techniques compense tous a . La
robotique cest lun de ces domaines.

Dfinition de la robotique :
La robotique cest l'ensemble des techniques
permettant la conception et la ralisation des
robots. Cest un domaine pluridisciplinaire qui
implique l'intgration de :
Informatique
Automati
que

Mcaniq
ue

Robotique

Lvolution de la robotique :
La robotique ne sest pas faite subitement. Elle est pass
par des tapes pour arriver ltat actuelle.
Les premires machines navaient aucune intelligence et
se caractrisent par leurs norme taille . Elles sont conu
pour rponde au besoin de lindustrie . Et quant elles sont
bases sur des lois de la mcanique simples , ni programme
ni autre machine sont ncessaire pour les contrler ,cest
lhomme qui se charge de le faire.
Et comme tous les autres domaines le dveloppement du
cot matriel force et stimule lvolution du cot logiciel,
lapparition des premiers circuits lectroniques offrent la
possibilit de programmer les composants des machines, ce
qui a contribu faire apparaitre les premiers robots.
4

Lvolution de la robotique :
Les nouveaux besoins de ltre humain ont fait voluer la
robotique. Et par consquence, la robotique avance est
apparaitre, cest la o on introduit la notion de la mobilit du
robot.
La robotique mobile trouve des domaines dapplications
plus vastes et plus varis.
Aprs, la robotique de service il apparaitre afin de faciliter la
vie de ltre humain.
La forme la plus volue des robots concerne les robots
personnels qui sont appels aussi humanode . Leur
principe consiste simuler le comportement de ltre humain
et sa faon de penser ,en dautre terme simuler lintelligence
de ltre humain
5

Dfinition d'un robot :


Un robot est une machine quipe de capacits
de perception, de dcision et daction qui le
permettent dagir de manire autonome dans son
environnement en fonction de la perception
assur par leurs capteurs.
Dcision
Perception

Action

En robotique, on distingue deux principaux types :


les robots manipulateurs et les robots mobiles.
3

1. Les robots manipulateurs:


Des robots ont une base fixe afin de raliser une tche
prcise ou rptitive. Par exemple : les robots industriels
et les robots pour l'assistance mdicale.
2. Les robots mobiles:
Sont des robots capables de se dplacer dans son
environnement, les robots mobiles roues constituent le
gros des robots mobiles car ils sont plus simples
raliser que les autres types. . Par exemple : les robots
explorateurs, robots de Service, robots ludiques.

Les composants d'un robot :


Un robot mobile est constitu de composantes
matrielles et logicielles. Parmi ces composantes
on retrouve les capteurs, les actionneurs et une
source d'nergie.
1- Capteurs: Les capteurs ont pour fonction dacqurir
des donnes provenant de lenvironnement.
2- Actionneurs: Un robot mobile est quip dactionneurs
afin quil puisse bouger lintrieur de son environnement
et interagir avec celui-ci (moteurs, roue, bras, jambes,
pinces).

Capteurs
Proprioceptifs

Extroceptifs

ap de dplacement
Cap dattitude TlmtriqueSystmes de vision

Capt
Radar
Capt
Capt
Odomtrie
Gyroscope
Strovision
TriangulaDoppler
ultrasons laser
Tion active

Fournissent
fournissent des
desinformations
informationssursur
l'tat
de du
l'environnement
(capteur
de de
ltat
robot lui-mme
(capteur
temprature,
tlmtre
position (GPS),
capteur (RADAR,
de vitesse
LIDAR),
boussole, dtecteur de
des roues,,,)
chaleur/lumire, ).

Bases mobiles terrestres: Plateforme


Plateforme Holonome.
Plateforme
diffrentielle.
Plateforme
omnidirectionnelle
Plateforme non
holonome.
Plateforme patte.

permettent
de
dcoupler
de

ces
plates-formes
peuvent
avoir
Elles
possdent
2
roues
manire
plus
nette
le
contrle
de la
une
plateforme
est
holonome
si
deux,
quatre
ou
six
pattes.
Ces
commandes
rotation
et de laindpendamment
translation dun
le
nombre
de
de
libert
derniers
sontdegrrelativement
avec
une
roues
qui
robot
et ou
sontplusieurs
donc quasiment
pratiques
carest
le robot
peut
tre en
contrlable
gal
au
nombre
sont
ajoutes
assurer
la

Ces plates-formes
sont
toutefois
holonomes.
Il pour
existe
diffrents
quilibre
permanent
sur
au
moins
total
de degr
de libert
stabilit
dede
robot.
Ilplateformes
suffit
de
plus
difficile
commander
carc.--d.
elles
types
3
pattes,
ce
qui
facilite
contrle.
spcifier
les
vitesses
des
deux
les
actions
imaginables
sont
ne
peuvent
pas
tournerle
sur
place
omnidirectionnelles.
Les
plates-formes
cedeux
ou
roues.
, lemanuvrer,
robot peut
sur
ralisables.
et
doivent
qui peut
Parmi
lesquelles
on tourner
peut
citer
quatre
sontjoue
plus
complexes
place pattes
par
une
avec des
les
tre
difficile
dans
orientable,

commander,
ce
qui
en
vitesses
desroues,
ce les
qui rend
le rend
environnements
encombrs.
sudoises
gnral
relativement
lentes.
comme un
robot holonome.
7

La navigation :
Les robots mobiles sont dvelopps essentiellement dans le
but deffectuer des tches diffrentes , la navigation est
considre comme tche de base car la russite
de
nimporte quelle mission exige le bon droulement de la
navigation.
Problmatique: Quelles sont les actions ou les mouvements
gnrer par le robot pour atteindre son but en vitant
lensemble des obstacles ? Comment on peut rendre le robot
mobile autonome et intelligent?

La navigation d'un robot mobile:


La navigation des robots mobile trouver un mouvement
dans lespace des configurations sans collisions, Ce
mouvement amne le robot dune configuration initiale
q0 = q(t0) a une configuration finale qf = q(tf ).
Il existe nanmoins une trs grande varit de mthodes
permettant daborder ce problme difficile.

Les Stratgies de navigation :


Les Stratgies de navigation Permettent un robot mobile
de se dplacer pour rejoindre un but, raliser une mission ou
une tche.
Approche dun objet: cette capacit de base permet de se
diriger vers un objet visible depuis la position courante du
robot. Cette stratgie est locale o elle tait applique
uniquement quand le but est visible. Elle utilise des actions
rflexes dans lesquelles chaque perception est directement
associe une action.

Les Stratgies de navigation :


Guidage : Cette stratgie permet datteindre un but qui
nest pas directement visible, mais qui est caractris par
un ensemble dobjets remarquables, ou amers, qui
lentourent. Elle utilise galement des actions rflexes et
ralise une navigation locale qui requiert que les amers
caractrisant le but soient visibles.

10

Les Stratgies de navigation :


Actions associ un lieu : cest la premire stratgie
ralisant une navigation globale, atteindre un but qui nest pas
visible et mme les amers qui caractrisent son emplacement
sont invisibles.
Elle requiert une reprsentation interne de lenvironnement
qui consiste dfinir des lieux comme des zones de lespace
dans lesquelles les perceptions restent similaires, et
associer une action effectuer chacun de ces lieux.
Lenchanement de ces actions associes dfinit une route
vert le but.

11

Les Stratgies de navigation :


Navigation topologique : Cette capacit est une extension
de la prcdente qui mmorise dans le modle interne les
relations spatiales entre les diffrents lieux. Ces relations
indiquent la possibilit de se dplacer dun lieu un autre,
mais ne sont plus associes un but particulier.
Le modle interne est un graphe qui permet de calculer
diffrents chemins entre deux lieux arbitraires. Ce modle ne
permet toutefois que la planification de dplacements parmi
les lieux connus et suivant les chemins connus.

12

Les Stratgies de navigation :


Navigation mtrique : Cette stratgie est une extension de
la prcdente car elle permet au robot de planifier des
chemins au sein de zones inexplores. Elle mmorise pour
cela les positions mtriques relatives des diffrents lieux, en
plus de la possibilit de passer de lun lautre.
Ces positions relatives permettent, par simple composition de
vecteurs, de calculer une trajectoire allant dun lieu un autre,
mme si la possibilit de ce dplacement na pas t
mmorise sous forme dun lien.

13

Les mthodes de navigation:


Afin de rsoudre le problme de navigation des multitudes
des mthodes sont dveloppes, elles sont regroupes en
deux ensembles:
Mthodes classiques:
sont des mthodes de
planification: Roadmap, champ de potentiel,,,
Mthodes soft Computing : sont des mthodes qui se
caractrisent par l'utilisation de solutions de calcul inexact ,
pas prvisible et incertain. Les composants principale de S.C
sont: La logique floue, les rseaux de neurone, les
algorithmes gntiques ...

14

1. Espace de configuration :
Pour effectuer une planification russite, il est ncessaire
de trouver une bonne reprsentation du robot et de son
environnement.
Cette
reprsentation
doit
reflter
lenvironnement du robot sans aucune perte dinformation.
lespace des configurations est diffrent de lespace de
travaille, ce dernier correspond lespace de dplacement du
robot mobile, par contre lespace des configurations prend en
compte tous les degrs de libert du robot, donc sa dimension
est plus grand celle du lespace de travaille.

15

1. Espace de configuration :
en plus lespace des configurations est lespace de travaille
sans positions qui conduisent une percussion avec un
obstacle, c.--d. les obstacles plus une marge de scurit
correspond au rayon du robot mobile.

La reconstruction dun espace de configuration

15

1. Roadmaps:
Le principe du roadmap est de construire lensemble des
chemin reliant le point de dpart au point darriv(but). Aprs
une slection de meilleur chemin est fait. gnral il y a deux
mthodes pour construire les roadmaps sont : le graph de
visibilit et le diagramme de vorono .
1. Graph de visibilit :
Cest un graph qui inclut des lignes droites qui relient les
sommets des obstacles visibles entre eux.

15

2. Diagramme de vorono :
Cest une autre mthode pour calculer un roadmap, qui
maximise le dgagement avec des obstacles. Dans ce cas,
les points de passage du roadmap sont des points
quidistants entre les obstacles.

Lobjectif de ces mthodes est de construire un rseau routier


qui rend le robot capable visiter tous les points possible de
lenvironnement libre de navigation.
15

2. Mthode du potentiel :
Cette approche considre lenvironnement du robot comme
tant un champ artificiel qui applique des forces diffrentes sur
le robot. Elle traite le robot comme tant un point sous
influence dun champ potentiel artificiel. Le point darriv est
une force dattraction pour le robot, les diffrents obstacles
sont des forces rpulsives. Le chemin de navigation est
calculer en faisant sommer les diffrentes forces .

15

Conclusion:
La planification concerne la recherche dune solution
faisable un problme, suivant un ensemble dtapes et en
excutant une squence dactions. Elle est lie fortement
lanalyse correcte de la situation .
Le problme de ces approches de planification est que les
actions sont prdfinies selon des scnarios gnriques, avec
larrive dune situation non tudie, lefficacit de ces
algorithmes sera en question, et par consquent, un risque de
ne pas avoir une solution faisable.
Le concept de la navigation dans la robotique mobile utilise
ces mthodes classiques si lenvironnement est statique, mais
leurs limitations se rvlent
quand la complexit de
lenvironnement augmente .
15

Conclusion:
Pour la mthode de roadmap elle consiste trac les
chemins reliant de point de dpart avec le point darriv :mais
si lenvironnement est dynamique (larriv dun nouveau
obstacle ou si lun de ces obstacle change son emplacement)
cette mthode nest pas faisable ,et ce nest pas applicable de
dplanifier aprs chaque dplacement.
Concernant la mthode de potentiel ,elle est simple mais
son majeur problme est le risque davoir des cas dinter
blocage cause des minima locaux, car le potentiel total est la
somme des 2 potentiel attractif et rpulsif .

15

Conclusion:
Le problme majeur avec ces approches est quelles
nimplmentent aucun comportement intelligent de haut
niveau, qui rduise leur capacit de traiter des situations
complexes.
Avec le dveloppement de la robotique mobile ,et la
diversit des domaines qui lutilisent ainsi le pouvoir davoir
des robot totalement autonome(simuler ltre humain) et la
ncessit de trouver des solutions globales capable de traiter
de problmes plus difficiles ont diminu les recherches dans
les mthodes classiques et a introduis les approches
heuristiques(intelligent).

15

Les mthodes intelligent s:


Contrairement aux anciennes mthodes, les nouvelles
mthodes sont bases sur lintelligence. Elles sont capables
de modliser un savoir-faire , gnralement ces approches
sont issues des recherches dveloppes dans le domaine
dintelligence artificielle.
Intelligence Artificielle:
Une mthode est intelligent si elle donne au robot :
La capacit de raisonner.
La capacit d acqurir et d appliquer des connaissances
La capacit de manipuler des objets en temps rel
Parmi les mthodes intelligents existent on cite celles l:
15

La logique floue:
La logique floue est une extension de la logique classique
(binaire), elle permet la modlisation des imperfections des
donnes .leur variables pouvant prendre des valeurs outre
vrai ou faux , ce que la rend plus proche au raisonnement
humain.
Les lment indispensable pour la comprhension de la
logique floue sont:
Les variables flou.
les rgles dinfrence.
Les fonctions dappartenance.

16

Les variables flou: Contrairement au variable binaire qui


prennent 2 valeurs Vrai ou faux, ces variables reprsentent
une graduation entre ces 2 valeurs , ils prennent des valeurs
telles que: grand ,petit, assez grand, moyen.
Dans un systme on trouve les variables dentr et de sortie.
Les rgles dinfrence: ce sont lensembles des rgles
reliant les variables flous dentrs avec les variables de sortie
dun systme. Ces rgles prennent la forme suivante:
Si (condi1/variable dentr) et si (cond2/variable dentr)
alors (action sur les sortie)

17

Les fonctions dappartenance: permet de dfinir le degr


de vrit de la variable flou en fonction la grandeur dentre.
ce niveau quon doit dtermine les intervalle flou, et par
consquence le nombre des variables flous. Ici on parle de
fuzzyfication .
P:Prs
M:Moyen
G: Loin
Les fonctions dappartenance peuvent avoir diffrents formes
selon leur dfinition:

Triangulaire

Gaussienne

18

La structure dun contrleur flou:

Donc les tapes de construction dun c.f sont:


1.La dtermination des entres et des sorties.
2.La fuzzyfication.
3.La dfinition des bases de rgles.
4.La slection de la mthode dinfrence.
5.La slection de la mthode de dfuzzyfication.
19

Les points forts de la logique floue:


Permet de traduire lexprience humaine en un ensemble
de rgles.
La plus proche au raisonnement humaine.
Nest pas lourd en terme de calcule , gain du temps ainsi
lespace mmoire.
Les problmes ou les limites de la logique floue:
le chemin de navigation nest pas optimal cause de la
mthode de raisonnement approximatif.
Ncessite la disponibilit dun expert humain.
Le fonctionnement de robot est limit par ces rgles l ,
c.--d. le robot ne peut pas ragir avec un nouvelle situation.

20

Dautre cot on trouve la mthode des rseaux de


neurones , leur avantage par rapport la logique flou
est quelle peut construire une solution dune faon
simple, c'est--dire, cet mthode est capable de
contrler un robot, construire une mmoire, et elle a
aussi laptitude de calculer un chemin exact de
navigation et de loptimiser avec un minimum de
temps, de ressources et de simplicit, ou en dautre
terme la capacit dapprentissage .

21

Les rseaux de neurones:


Les neurones artificiels sont une abstraction formelle du
comportement du neurone biologique. Ils forment une solution
idale pour certains problmes qui ncessitent un
raisonnement, ou qui sont de complexit leve. Cela est d
leur capacit dapprentissage.
Fonctionnement des RNs:
Tans que ces rseaux sont inspirs des neurones biologiques
donc il est ncessaire de prsenter le fonctionnement des
neurones naturels.

22

Un neurone tire en
transmettant
des
signaux lectriques le
long de son axone.
Quand
les
signaux
atteignent la fin de
l'axone, ils librent les
neurotransmetteurs qui
sont conservs dans
des poches appeles
vsicules.
Les
neurotransmetteurs se
lient aux molcules de
rcepteur
sur
les
surfaces de neurones
adjacents. Le point de
contact
virtuel
est
connu
comme
la
synapse .

Neurone biologique

Synapse : Il sagit dune zone


de stockage de lexprience
(base de connaissances). Il
procure la mmoire long terme
. Il reoit les informations
partir des capteurs et des
autres neurones et il fournit la
23
sortie via laxone.

Fonctionnement des rseaux de neurones:

Neurone biologique

Recevoir un signal.

Neurone Artificiel

Recevoir un signal en entre

Transmettre ce signal Effectuer une fonction


mathmatique et les calculs
un autre neurone
Envoyer les rsultats au
prochain neurone.

24

Dfinition : Un neurone est une fonction non linaire,


paramtre, valeur borne .
Un neurone contient 2 lments principaux:
Les poids associs aux connexions du neurone.
Une fonction d'activation. Les valeurs d'entres sont
multiplies par leur poids correspondant et additionnes pour
obtenir une somme Ui .

25

Lapprentissage des RN :

lapprentissage peut tre compris comme un


changement dans les capacits ou le comportement dun
organisme provoqu par lexprience.

lalgorithme dapprentissage va formuler les rgles


explicites qui lui permettent la gnralisation , la formulation
des rgles est effectue par le changement des poids
synaptiques qui mne au changement du comportement du
rseau , le changement est effectu par un ensemble
ditration ce qui figure lexprience.
Ce qui rend ces rseaux capable ragir avec des nouvelles
situation en se basant sur lexprience passe.

26

Lapprentissage des RN :
La comprhension neuronale des connaissances est
diffrente , une telle connaissance peut tre sous la forme
suivante :
le chemin optimal est retrouv par le vecteur des poids
synaptique W, do un codage diffrent des connaissances.
Cette reprsentation des connaissances est plus proche au
langage machine ce qui rend linterprtation difficile pour
ltre humain en comparaison avec les autres mthodes de
reprsentation de connaissance. Pour cette raison, les
rseaux des neurones sont appels boite noire.

27

Un des objectifs des travaux de recherches est de


comprendre comment les connaissances sont distribues
lintrieur de rseau de neurones et comment extraire ces
connaissances dune manire comprhensive par un tre
humain.

28

Quelques algorithmes dapprentissage :


Apprentissage par correction derreur: Dans ce type
lerreur est calcul en utilisant deux valeurs : la sortie rel de
rseau de neurones note yk(n), et de la sortie dsire note
dk(n) ,comme suit : ek(n) = dk(n)-yk(n). k: cest le neurone.
Lobjectif du calcul derreur est dappliquer une squence
dajustements de poids synaptiques afin de minimiser
lerreur en appliquant des rgles.
Apprentissage bas sur la mmorisation: Ce type
consiste mmoriser toutes ou la majorit des expriences
passes. Les expriences enregistres sont juges justes et
sont formes de couple entre-sortie (Xi , Di).
Si un nouveau vecteur dentre Xtest est prsent au rseau
de neurones, lalgorithme recherche et analyse les donnes
aux voisinages de Xtest.
29

Problme des rseaux de neurones:


Lapproche des rseaux de neurones est une mthode pour
modliser lintelligence. Ces rseaux sont capables de
rsoudre des problmes dans diffrents domaines. Leur
point de fort rside dans leur capacit dapprentissage. Mes
elle soufre dun problme qui est :
la mthode de reprsentation des connaissances.

30

Colonie de fourmis :

Les algorithmes de colonie de fourmis sont


inspirs du comportement des fourmis quand
elles cherchent un chemin entre les sources de la
nourriture et leurs colonies. Lorsquune fourmi
parcours un chemin elle laisse une trace dans ce
chemin en produisant une matire appele
phromones . Cette matire est attirante pour les
autres fourmis, donc elles suivent les traces des
phromones.

31

Colonie de fourmis :
Lexistence de cette matire est lie la distance , plus la
distance est longue, plus la concentration de la matire
devient faible. Si le chemin est court on remarque des traces
fortes de cette matire, en consquence, les fourmis suivent la
trace la plus forte ce qui indique un chemin plus court ou .
Les algorithmes de colonies de fourmis ont pour objectif
doptimiser un chemin pour les robots mobiles. Ces
algorithmes ncessitent un groupe pour quils soient raliss,
ils sont utiliss pour une tche qui exige un travail collaboratif
de plusieurs robots mobiles.

32

Conclusion:
Afin de bnficier des avantages de diffrentes mthodes et
viter les problmes li chacune , on essaye de faire une
hybridation entre ces mthodes .

35