CONCLUSION GÉNÉRALE ET PERSPECTIVES
Nous avons présenté dans cette thèse nos
travaux sur l'optimisation du comportement collectif d'un groupe de robots
autonomes en utilisant les métaheuristiques.
Ce travail était divisé en deux parties
principales. La première était consacrée à
l'étude des fondements théoriques des systèmes multirobots
et des métaheuristiques pour l'optimi-sation globale. Tandis que la
deuxième présentait notre modélisation du problème
d'explo-ration de zones inconnues avec des contraintes d'énergie, ainsi
que la série d'expériences réalisées pour la
valider.
Cette thèse a introduit deux contributions principales.
D'un côté le développement d'une nouvelle plateforme de
simulation appelée PyRoboticsLab pour l'évaluation et le
benchmarking d'algorithmes dédiés à la résolution
des problèmes de navigation robotique, planification de trajectoires,
exploration et surveillance. Et de l'autre côté l'introduction
d'un nouvel algorithme xBOA que nous avons proposé comme nouvelle
variante de la mé-taheuristique BOA.
Nous avons utilisé notre plateforme de benchmarking
afin de comparer les performances de notre nouvel algorithme à plusieurs
autres métaheuristiques utilisées dans la littérature.
L'évaluation des méthodes s'est basée sur cinq
critères de comparaison. Les résultats ont montré que
l'algorithme xBOA surpasse BOA et ses autres variantes, mais requiert un temps
de calcul plus long. L'algorithme proposé surpasse aussi les autres
mé-taheuristiques telles que PSO, GA, GWO et ABC dans certains
scénarios.
Nous avons procédé aussi à une
série d'expériences pour évaluer l'adaptabilité de
notre approche dans un contexte multirobots, et optimiser la coordination entre
les robots en introduisant des mécanismes d'échange
d'informations pour permettre aux robots de se disperser efficacement et
minimiser la redondance.
D'autres améliorations d'ordre programmatique ont aussi
été introduites telles que l'uti-lisation du parallélisme
dans le processus d'évolution pour permettre d'évaluer plusieurs
individus en même temps et accélérer le temps global de
calcul des points de destinations.
Nous avons également effectué une
expérience réelle sur un robot de type P3DX dont le
133
Conclusion générale et perspectives
but était de vérifier le bon fonctionnement des
outils proposés. Cette expérience nous a permis de
détecter et résoudre les problèmes de localisation
basée sur l'odométrie et d'adapter notre approche au middleware
ROS.
Dans les travaux futurs, nous nous consacrerons à
améliorer la plateforme de simulation afin d'y intégrer plus
d'algorithmes, et ce afin d'offrir aux chercheurs de ce domaine une suite
complète de benchmarking et un outil uniformisé pour positionner
leurs travaux. L'outil pourra aussi intégrer plus de scénarios et
des environnements variés avec l'intégra-tion d'obstacles
dynamiques.
Le simulateur pourra aussi être utilisé à
des fins pédagogiques afin de faire découvrir aux
étudiants en informatique le domaine de l'intelligence artificielle
appliquée aux problématiques de la robotique collective, sans
qu'ils aient à se soucier des détails théoriques relatifs
à la modélisation des capteurs laser, ou du calcul des
probabilités d'occupation.
Du côté de l'algorithme xBOA, nous projetons de
le tester sur d'autres types de problématiques d'optimisation
combinatoire. Nous pourrons considérer la piste d'améliorer cet
algorithme en introduisant un mécanisme plus adaptatif pour
équilibrer les phases d'ex-ploration et d'exploitation, ou de tester
différents opérateurs de croisement pour analyser leur effet sur
la convergence de l'algorithme.
134
| 
