WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Contribution à  l'optimisation d'un comportement collectif pour un groupe de robots autonomes


par Amine BENDAHMANE
Université des Sciences et de la Technologie d'Oran Mohamed Boudiaf - Doctorat en informatique - Intelligence Artificielle 2023
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CHAPITRE 1

FIGURE 1.16 - Simulation d'un scénario industriel basé sur les algorithmes de planification de trajectoires [42]

La tâche d'exploration est souvent couplée avec d'autres problématiques selon la nature de la mission. Ceci ouvre la possibilité à plusieurs variantes que nous pouvons classer selon les catégories suivantes:

-- Exploration: Consiste à visiter une zone inconnue dans le but de collecter le maximum de données possibles, souvent sous forme de positions de points d'intérêts ou d'ensemble de routes et chemins possibles.

-- Target Searching: Consiste à explorer une zone dans le but de trouver un individu

ou un certain objet.

-- Patroling : Consiste à explorer une zone de manière répétitive, souvent dans le but de

détecter des intrus dans un contexte de surveillance.

-- Consistent Surveillance (Consistent Monitoring): Consiste à surveiller une zone de

sorte que chaque point de l'environnement soit toujours dans le champ de vision des robots. Le but est de déployer les robots de sorte qu'aucun angle mort ne soit toléré.

-- Total Coverage (Complete Coverage) : Consiste à faire le balayage complet d'une zone, c'est à dire l'explorer en visitant tous les points atteignables par les robots. On ne se contente pas d'observer et détecter les obstacles à distance, mais de se déplacer et parcourir chaque petite parcelle de la surface de la zone dans le but de la nettoyer par exemple, ou détecter la présence de danger (mines, fuite de gaz...).

La problématique d'exploration avec ses différentes variantes est une tâche qu'on peut décomposer en plusieurs sous-tâches. En effet, plusieurs stratégies peuvent être employées pour répartir cet ensemble de sous-tâches sur un groupe de robots afin d'accélérer sa réalisation.

La stratégie la plus intuitive est de diviser la zone à parcourir en plusieurs régions, puis d'affecter à chaque robot une ou plusieurs régions à explorer. Le problème se transforme donc en un problème d'affectation pouvant prendre en compte un ou plusieurs critères

41

d'optimisation, tel que la distance du robot par rapport à la région affectée, la taille de la région, ou encore l'énergie restante du robot.

Toutefois, ceci soulève aussi plusieurs questions : quel est le nombre optimal de régions? Quelle est la forme des régions? Quel type de trajectoire faut-il utiliser?

Les réponses à ces questions varient selon la nature de la mission et des techniques à utiliser. Les figures 1.17 et 1.18 montrent des exemples de ce genre de décisions dans deux scénarios différents.

FIGURE 1.17 - Exemple de décomposition d'une carte et balayage en utilisant une trajectoire en zigzag [48]

FIGURE 1.18 - Exemple de sélection de régions à visiter dans un scénario de surveillance [49]

Une stratégie d'exploration efficace poussera les robots à minimiser le chevauchement entre les régions visitées et éviter de retourner par le même chemin, sauf si cela est inévitable comme lorsqu'un robot atteint une route fermée et doit faire demi-tour, ou dans le cas d'une intersection de plusieurs chemins (ex : couloir, hall).

42

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon