INTRODUCTION GÉNÉRALE
La robotique collective est un domaine actif de recherche et
développement qui a le potentiel de révolutionner de nombreux
secteurs. Elle prend une place de plus en plus importante dans l'agriculture,
l'industrie, le transport, la sécurité, le sauvetage,
l'exploration et le divertissement. Elle se base sur le principe d'utilisation
de plusieurs robots qui travaillent ensemble pour atteindre un objectif commun.
Cette collectivité implique la collaboration et/ou la coopération
des robots entre eux, ce qui la lie intimement avec le domaine de
l'in-telligence artificielle distribuée.
Ces deux domaines combinés peuvent offrir de nombreux
avantages, notamment : la réalisation de tâches plus rapidement et
plus efficacement, et de manière plus sécurisée,
même dans des environnements dangereux qui pourraient présenter
des risques pour les êtres humains. Par ailleurs, l'utilisation d'un
groupe de robots au lieu d'un seul permet d'augmenter la polyvalence et la
flexibilité du système, ainsi que la robustesse aux pannes.
Notre thèse s'inscrit dans le cadre d'optimisation d'un
comportement collectif pour un groupe de robots autonomes, nous nous
intéressons aux scénarios de planification de trajectoires et
d'exploration de zones en vue de détection d'incidents par exemple, ou
de la localisation d'une personne en détresse.
La thèse est organisée en deux parties. La
partie théorique - divisée en deux chapitres - vise à
introduire tous les fondements théoriques nécessaires à la
compréhension de notre travail. La deuxième partie - elle aussi
divisée en deux chapitres - inclut tous les détails relatifs
à la modélisation de notre solution et l'analyse des
résultats expérimentaux.
Nous introduirons le lecteur dans le premier chapitre aux
différents types de systèmes multirobots ainsi que les
mécanismes de synchronisation existants, tout en détaillant les
différentes problématiques de recherche engendrées par ce
type de systèmes. Nous aborderons également un état de
l'art sur les techniques d'intelligence artificielle utilisées pour les
résoudre.
Le deuxième chapitre sera consacré à
l'étude des métaheuristiques et leurs mécanismes de
fonctionnement. Nous présenterons les fondements théoriques de
quelques métaheu-
15
Introduction Générale
ristiques populaires que nous utiliserons durant nos
expériences. Nous présenterons par la suite notre contribution
à l'amélioration du Butterfly Optimization Algorithm, en
expliquant tous les détails mathématiques nécessaires
à son bon fonctionnement.
Dans le troisième chapitre, nous introduirons le
lecteur à la deuxième contribution de notre thèse
concrétisée dans le développement d'une plateforme de
simulation spécialisée dans le benchmarking et
l'évaluation des algorithmes d'optimisation pour les
problématiques de navigation, de planification de trajectoires,
d'exploration, de balayage et de surveillance. Nous présenterons ensuite
la méthodologie utilisée et notre modélisation du
problème d'exploration de zones inconnues avec des contraintes
d'énergie.
Le dernier chapitre regroupera l'ensemble des résultats
expérimentaux obtenus durant notre thèse. Nous
présenterons aussi notre interprétation de ces résultats
à travers une analyse dédiée pour chaque
expérience. Ce chapitre conclura nos travaux en présentant une
critique des techniques utilisées ainsi que des pistes potentielles pour
les améliorer.
16
Première partie
Etude théorique
17
| 
