Vision-based estimation and robot control
Méthodologies d'estimation et de commande à partir d'un système de vision
Résumé
The conception of full autonomous robotic systems is an enduring ambition for humankind. Nowadays theoretical and technological advances have allowed engineers to conceive complex systems that can replace humans in many tedious or dangerous applications. However, in order to considerably enlarge the flexibility and the domain of applications of such autonomous systems we still need to face several scientific problems at the crossroad of many domains like for example artificial intelligence, signal processing and non-linear systems control. Amidst these challenges, the perception of the environment and the interaction of the robotic systems with the environment are fundamental problems in the design of such autonomous systems. Indeed, the performance of an autonomous robot not only depends on the accuracy, duration and reliability of its perception but also on the ability to use the perceived information in automatic control loops to interact safely with the environment despite unavoidable modeling and measurement errors. Thus, automatic environment sensing and modeling, and robust sensor-based robot control are central scientific issues in robotics.
Several exteroceptive sensors are commonly used in robotics: contact sensors (e.g. force sensors, tactile sensors), GPS, sonars, laser telemeters, vision sensors, and even olfactory sensors. However, artificial vision is of particular importance and interest, mainly due to its versatility and extended range of applicability. It can be used both for the perception and modeling of the robot's environment and for the control of the robot itself. In this context, the spectrum of research is vast. In this presentation, I will focus on my research work on vision-based estimation and vision-based control problems. Vision-based estimation refers to the methods and techniques dedicated to the extraction of the information that can be useful not only for the modeling of the environment but also for robot control. In the case of robotic applications, major challenges are to increase the efficiency, the accuracy and the robustness of the estimation from visual data. Vision-based control refers to the methods and techniques dedicated to the use of visual information in automatic control loops. The challenges are to choose the appropriate visual information and to design stable control laws that are robust to modeling and measurement errors.
Several exteroceptive sensors are commonly used in robotics: contact sensors (e.g. force sensors, tactile sensors), GPS, sonars, laser telemeters, vision sensors, and even olfactory sensors. However, artificial vision is of particular importance and interest, mainly due to its versatility and extended range of applicability. It can be used both for the perception and modeling of the robot's environment and for the control of the robot itself. In this context, the spectrum of research is vast. In this presentation, I will focus on my research work on vision-based estimation and vision-based control problems. Vision-based estimation refers to the methods and techniques dedicated to the extraction of the information that can be useful not only for the modeling of the environment but also for robot control. In the case of robotic applications, major challenges are to increase the efficiency, the accuracy and the robustness of the estimation from visual data. Vision-based control refers to the methods and techniques dedicated to the use of visual information in automatic control loops. The challenges are to choose the appropriate visual information and to design stable control laws that are robust to modeling and measurement errors.
La conception de systèmes robotiques complètement autonomes est une des grandes ambitions de l'humanité. De nos jours des progrès théoriques et technologiques ont permis aux ingénieurs de concevoir des systèmes robotiques complexes qui peuvent remplacer les êtres humains dans de nombreuses applications qui peuvent être répétitives ou dangereuses. Toutefois, afin d'étendre la flexibilité et le domaine d'application de ces systèmes autonomes, nous devons encore résoudre plusieurs problèmes scientifiques qui sont à la croisée de plusieurs domaines tels que l'intelligence artificielle, le traitement du signal et la théorie de la commande. Parmi ces défis scientifiques, la perception de l'environnement et l'interaction d'un système robotique avec son environnement sont des problèmes fondamentaux dans la conception de tels systèmes autonomes. En effet, les performances
d'un robot autonome dépendent non seulement de la précision, de la continuité et de la fiabilité de sa perception mais aussi de son habilité à utiliser l'information perçue dans des boucles de commande afin d'interagir de manière sûre avec son environnement malgré les inévitables erreurs de modélisation et de mesure. Pour ces raisons, la modélisation et la perception de l'environnement et la commande référencée capteur robuste sont des problèmes scientifiques majeurs en robotique.
Plusieurs capteurs extéroceptifs sont couramment utilisés en robotique: GPS, capteurs optiques, capteurs de contacts, sonars, télémètres lasers, et même des capteurs auditifs et olfactifs. Toutefois, la vision artificielle a un intérêt et une importance particulière principalement due à sa versatilité. Elle peut être utilisée à la fois pour la modélisation et la perception et pour la commande du robot. Dans ce contexte, l'étendue des recherches est très vaste. Dans ce memoire, je ferai un état des lieux de mes travaux de recherche, menés depuis une dizaine d'années dans les domaines de l'estimation et de la commande à partir d'un système de vision.
L'estimation à partir de la vision concerne des méthodes dédiées à l'extraction des informations qui peuvent être utilisées à la fois pour la modélisation de l'environnement et pour la commande des robots. Dans le cas des applications robotiques, les défis majeurs sont d'augmenter l'efficacité, la précision et la robustesse de l'estimation à partir des données capteurs. La commande référencée vision concerne des méthodes dédiées à l'utilisation des informations visuelles dans des boucles de commande. Les défis sont le choix approprié de l'information et la conception de lois de commande stables et robustes aux erreurs de modélisation et de mesure.
d'un robot autonome dépendent non seulement de la précision, de la continuité et de la fiabilité de sa perception mais aussi de son habilité à utiliser l'information perçue dans des boucles de commande afin d'interagir de manière sûre avec son environnement malgré les inévitables erreurs de modélisation et de mesure. Pour ces raisons, la modélisation et la perception de l'environnement et la commande référencée capteur robuste sont des problèmes scientifiques majeurs en robotique.
Plusieurs capteurs extéroceptifs sont couramment utilisés en robotique: GPS, capteurs optiques, capteurs de contacts, sonars, télémètres lasers, et même des capteurs auditifs et olfactifs. Toutefois, la vision artificielle a un intérêt et une importance particulière principalement due à sa versatilité. Elle peut être utilisée à la fois pour la modélisation et la perception et pour la commande du robot. Dans ce contexte, l'étendue des recherches est très vaste. Dans ce memoire, je ferai un état des lieux de mes travaux de recherche, menés depuis une dizaine d'années dans les domaines de l'estimation et de la commande à partir d'un système de vision.
L'estimation à partir de la vision concerne des méthodes dédiées à l'extraction des informations qui peuvent être utilisées à la fois pour la modélisation de l'environnement et pour la commande des robots. Dans le cas des applications robotiques, les défis majeurs sont d'augmenter l'efficacité, la précision et la robustesse de l'estimation à partir des données capteurs. La commande référencée vision concerne des méthodes dédiées à l'utilisation des informations visuelles dans des boucles de commande. Les défis sont le choix approprié de l'information et la conception de lois de commande stables et robustes aux erreurs de modélisation et de mesure.
Loading...
