Reactive navigation for a mobile robot : mapping perception to action
Pilotage reactif d'un robot mobile : etude du lien entre la perception et l'action
Résumé
The objective of this work is to compare the main existing techniques to synthesize perception to action mappings for reactive control of a mobile robot towards a goal in an unknown environment. This work is motivated by the limitations of the navigation system created for the European Research Project Mithra Eureka EU:110 which is based on the execution of a planned path from a parametric model of the observed environment. The first mapping we consider is based on force fields derived from potential fields. We propose an heuristic approach generating continuously translation movement to try to reduce the number of local minima. As all the problems are not solved, we have then considered a second family of transformation generators~: fuzzy logic. The experiments we have made leads to the conclusion that problems are of the same nature as force fields problems. The second part of the manuscript deals with learning control techniques in mobile robotics. We have more precisely considered two main families of approaches : supervised and reinforcement learning. We first remind the robotic particular constraints that a selected learning algorithm must be able to deal with. We then propose for supervised learning a (\em Grow and Learn) type network coupled with a principal components analysis of sensory data. We then propose a new learning algorithm for fuzzy rules which can be used in an Adaptive Heuristic Critic approach on reinforcement learning.
L'objectif de ce memoire est de presenter une etude des principales approches existantes pour la synthese de transformations perception-action permettant le pilotage reactif d'un robot mobile vers un but situe dans un univers inconnu. Cette etude est motivee par les limitations du systeme de navigation mis en place dans le cadre du projet Europeen Mithra Eureka EU:110 et qui est base sur l'execution d'un chemin extrait d'un modele parametrique de l'environnement percu. La premiere transformation consideree est basee sur les methodes dites de champs de forces, derivees des methodes a base de potentiels. Nous proposons en particulier une approche heuristique favorisant les mouvements de translation afin de limiter les phenomenes de blocage du robot. La totalite des problemes n'etant pas resolus, nous nous sommes alors interesses a une deuxieme categorie d'outils de synthese de transformations: la logique floue. Les experiences realisees nous ont permis de constater que les problemes rencontres sont similaires a ceux des champs de forces. La seconde partie du manuscrit est dediee a l'utilisation en robotique de techniques issues de l'apprentissage automatique en controle. Nous nous sommes plus particulierement interesses a deux grandes categories d'approches : le supervise et le renforce. Apre`s avoir rappele les contraintes propres a la robotique qu'un algorithme d'apprentissage choisi doit etre en mesure de gerer, nous avons propose dans le cadre de l'apprentissage supervise l'utilisation d'un reseau de neurones de type Grow and Learn couple a une analyse en composantes principales des donnees capteurs. Nous avons ensuite propose un nouvel algorithme d'apprentissage de regles floues pouvant etre utilise dans le cadre d'une approche de type Adaptive Heuristic Critic en apprentissage renforce.
Loading...