Coordination et coopération entre robots mobiles dans un environnement dynamique incertain

par Florent AltchÉ

Projet de thèse en Informatique temps réel, robotique et automatique - Paris

Sous la direction de Arnaud de La Fortelle.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ecole doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec Mathématiques et Systèmes (laboratoire) , CAOR - Centre de CAO et Robotique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-10-2015 .


  • Résumé

    La sûreté et la sécurité des véhicules à conduite autonome, particulièrement en milieu urbain, repose notamment sur leur capacité à circuler dans un environnement changeant, en présence d'autres acteurs dont le comportement futur est incertain. L'une des approches classiques utilisées pour prendre en compte ces incertitudes est basée sur la théorie des processus stochastiques, en particulier les processus de Markov partiellement observables. Un inconvénient de ces méthodes est leur forte complexité algorithmique, rendant difficile un calcul en temps réel. Ce projet de thèse vise tout d'abord à proposer une méthode permettant de réduire la complexité du problème de planification de trajectoire dans un environnement dynamique et incertain, en utilisant la théorie des priorités développée par [J. Grégoire, 2014]. D'autre part, les capacités de communication inter-véhiculaire qui équiperont vraisemblablement les véhicules à conduite autonome permettent d'envisager améliorer les performances du système en présence de plusieurs de ces véhicules grâce à des stratégies de coopération. Une deuxième partie du projet de thèse vise à proposer de telles stratégies coopératives et d'évaluer leurs performances au sein d'un trafic mixte constitué de véhicules autonomes et de véhicules classiques.

  • Titre traduit

    Coordination and cooperation of mobile robots in a dynamic and uncertain environment


  • Résumé

    The security and safety of self-driving vehicles depend on their ability to drive in an evolving environement, alongside other vehicles whose future behavior is uncertain. One of the classical methods used to model these uncertainties is based on stochastic processes theory, usually partially observable Markov processes. One of the downsides of these methods is their high algorithmical complexity, which makes realtime calculations difficult. The first goal of this thesis project is to reduce the algorithmical complexity of the trajectory planning problem in a dynamic and uncertain environement by using the priority framework devised by [J. Grégoire, 2014]. Moreover, future self-driving cars will likely be equipped with inter-vehicular communication capacities, which should allow to improve the overall performance of the system through cooperative strategies between self-driving vehicles. The second goal of this project is to develop such cooperative strategies, and to evaluate their performance in a mixed traffic composed of booth self-driving and legacy vehicles.