Navigation sémantique pour robot terrestre autonome en environnement non structuré

Semantic-assisted Autonomous Ground Robot Navigation in Unstructured Environments

• Auteur / Autrice : Quentin Serdel
• Direction : Julien Marzat, Julien Moras
• Type : Thèse de doctorat
• Discipline(s) : Robotique
• Date : Soutenance le 22/11/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Office national d'études et recherches aérospatiales (France). Département Traitement de l’Information et Systèmes (2017-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l’ingénierie et des systèmes (2020-….)
• Jury : Président / Présidente : Roland Lenain
• Jury : Examinateurs / Examinatrices : Simon Lacroix, Vincent Creuze, Cindy Cappelle, Eric Lucet
• Jury : Rapporteurs / Rapporteuses : Simon Lacroix, Vincent Creuze

Mots clés

Mots clés contrôlés

Systèmes de guidage

Cartographie de l'environnement

Véhicules mobiles planétaires

Robots mobiles

Robots autonomes

Mots clés libres

Cartographie sémantique

Planification de chemins

Navigation autonome

Robots de terrain

Semantic Mapping

Path planning

Autonomous Navigation

Ground robots

Résumé

Cette thèse porte sur la navigation autonome de robots terrestres dans des environnements non structurés et dépourvus de télécommunications. Afin d'employer des robots mobiles pour effectuer des tâches complexes telles que l'exploration planétaire ou des opérations de sauvetage, ils doivent bénéficier d'une autonomie complète, notamment pour leur navigation sans carte préalable. Les dernières avancées dans le domaine de l'apprentissage profond permettent l'extraction d'informations sémantiques à partir des données capteurs d'un robot. L'exploitation de ces informations, relatives à la nature des éléments de l'environnement du robot, est une piste prometteuse pour l'amélioration de la sécurité et de l'autonomie des systèmes de navigation. Leur intégration dans un processus de cartographie en ligne et l'exploitation de la représentation produite pour la planification de chemins sont abordées via la notion de traversabilité du terrain. La complexité de calcul et la robustesse aux données bruitées sont des aspects cruciaux à prendre en compte. De nouvelles méthodes sont proposées pour la construction de telles représentations et leur exploitation pour la planification de trajectoires. Elles ont été intégrées dans un système complet de navigation robotique et utilisées avec succès dans un scénario réel.

The content of this PhD thesis deals with the autonomous navigation of ground robots in telecommunication-denied unstructured environments. In order to employ mobile robots to perform complex tasks such as planetary exploration or search-and-rescue operations, they must be trusted with complete autonomy, notably for their map-less navigation. Thanks to recent advances in the domain of deep-learning, the efficient extraction of semantic information from a robot sensor data is now possible. The exploitation of this information, relating to the nature of the robot surroundings elements, is a promising lead toward the improvement of the safety and autonomy of navigation systems. The integration of semantic labelling into an online mapping process and the exploitation of the resulting environment representation for informative path planning are tackled via the notion of terrain traversability. Computational complexity and robustness to noisy inputs are crucial aspects to be considered. New methods are therefore proposed for the online construction of such representations and their exploitation for path planning. They have been integrated in a complete robot navigation system and successfully employed in a real-world scenario.