Visual SLAM for humanoid robot localization and closed-loop control

par Arnaud Tanguy

Thèse de doctorat en Systèmes automatiques et micro-électroniques

Sous la direction de Abderrahmane Kheddar.

Le président du jury était Philippe Martinet.

Le jury était composé de Abderrahmane Kheddar, Philippe Martinet, Olivier Stasse, David Filliat, Andrew Ian Comport, Claire Dune.

Les rapporteurs étaient Olivier Stasse, David Filliat.

  • Titre traduit

    SLAM visuel pour la localisation et la commande en boucle fermée de robots humanoïdes


  • Résumé

    Cette thèse traite du problème de localisation et contrôle de robots humanoïdes par rapport à leur environnement, tel qu'observé par ses capteurs embarqués. Le SLAM visuel dense, consistant en l'estimation simultanée d'une carte 3D de l'environnement et de la position du robot dans cette carte est exploité pour étendre et robustifier les méthodes de planification contrôle multi-contact. Celles-ci consistent à établir et exploiter des contacts robot-environnement pour accomplir des tâches de locomotion et manipulation. Des incertitudes sur la posture initiale du robot, ainsi que des perturbations causées par une modélisation inadéquate des contacts, ainsi que des perturbations externes oblige à la prise en compte de l'état du robot et son environnement. Une méthode de calibration corps-complet est également proposée, afin d'obtenir une connaissance fiable de la chaîne cinématique du robot, nécessaire pour réaliser de telles tâches. Finalement, une méthode de marche basée sur de la commande prédictive de modèles est robustifiée par la prise en compte de large perturbations, permettant d'ajuster les trajectoires de pied et du centre de masse afin de garantir sa stabilité, tout en accomplissant les objectifs désirés. Les méthodes proposées sont illustrées et validées par de multiples expérimentations sur les robots humanoïdes HRP-2Kai et HRP-4.


  • Résumé

    This thesis deals with the problem of localizing and controlling humanoid robots with respect to its environment, as observed by its on-board sensors. Dense visual SLAM, consisting in the simultaneous estimation of a 3D map of the environment and of the robot localization within that maps is exploited to extend and robustify multi-contact planning and control. Establishing and exploiting robot-environment contacts allows the accomplishment of both locomotion and manipulation tasks. Uncertainties in the initial robot posture, and perturbations arising from improper contact-modelling and external causes are accounted for by observing the state of the robot and its environment. A whole-body calibration method is also proposed, so that robust knowledge of the robot's kinematic structure is known, a prerequisite to all robot-environment interaction tasks. Finally, a walking method based on model predictive control is robustified by taking into account large perturbations, and adjusting the footstep and center-of-mass trajectories accordingly to guarantee stability while accomplishing desired objectives.Several experiments on an HRP-2Kai and an HRP-4 humanoid robots are presented and discussed to illustrate and validate each of the proposed methods.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Bibliothèque interuniversitaire. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.