Approche hybride 'géométrique et symbolique' pour la planification de tâches de manipulation collaboratives

Hybrid 'geometric and symbolic' approach to collaborative manipulation task-planning

• Auteur / Autrice : Smail Ait bouhsain
• Direction : Thierry Simeon, Arthur Bit-monnot
• Type : Projet de thèse
• Discipline(s) : Robotique et Informatique
• Date : Inscription en doctorat le 25/10/2021
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Systèmes
• Partenaire(s) de recherche : Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes
• Partenaire(s) de recherche : Equipe de recherche : RIS - Robotique et Interactions
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Institut national des sciences appliquées (Toulouse ; 1961-....)

Mots clés

Mots clés libres

Robotique

Planification de mouvement

Planification de tâche

Manipulation collaborative

Robotics

Motion planning

Task planning

Collaborative manipulation

Résumé

L'algorithmique de la planification de mouvement est un domaine de recherche important et très actif en Robotique qui a connu de rapides progrès ces dernières années, notamment grâce au développement de méthodes d'exploration de nature probabiliste auxquelles le LAAS a contribué et qui permettent aujourd'hui de traiter une large classe de problèmes combinatoirement complexes. La planification de tâches de manipulation d'objets correspond à une instance de problèmes plus compliquée qui consiste non seulement à planifier les mouvements sans collision du robot mais aussi le séquencement et les interdépendances des différentes actions élémentaires (e.g. prise, pose et transfert d'un objet) permettant de réaliser la tâche. Les travaux du LAAS ont conduit à des techniques de planification originales et complémentaires pour la résolution de ces problèmes aussi bien à un niveau de planification géométrique que symbolique. Le sujet porte sur la combinaison de ces techniques de planification géométrique/symbolique dans une approche hybride relevant de la thématique "Combined task and Motion Planning" (CTAMP) très en vogue aujourd'hui dans la communauté, et visant à mieux faire face à la forte complexité de ces problèmes de planification de tâches de manipulation sur lesquels le LAAS possède une expertise reconnue, aussi bien dans la composante géométrique (mouvement) que symbolique (tâche). En effet, ces problèmes nécessitent l'exploration d'espaces de très haute dimension qui ne peuvent être traités efficacement seulement au niveau géométrique, et par ailleurs la solution ne peut se limiter à un ensemble d'actions de haut niveau partiellement ordonnées, mais nécessite aussi une instanciation complète de ces actions indiquant les différents emplacements des robots et des objets ainsi que les divers mouvements des robots et leur synchronisation. Les contributions disponibles aujourd'hui dans la littérature n'apportent pas de réponse satisfaisante dans un temps raisonnable quand elles sont confrontées à des situations aussi complexes que celles que nous proposons d'étudier. Une piste prometteuse sera certainement l'étude du couplage de méthodes d'apprentissage avec les algorithmes de planification de mouvement et/ou de tâches pour une recherche de solutions plus performante. On s'intéressera également à des modèles affinés des contraintes d'interaction 'robot-robot ou humain-robot), notamment à travers des critères à optimiser qui tiennent compte non seulement de la configuration du système humain-robot mais aussi de la trajectoire et de la dynamique du mouvement, avec des fonctions de coût plus sophistiquées, à développer ou issues d'un apprentissage des contraintes d'interaction sur la tâche, et qui pourront par ailleurs nécessiter l'extension kino-dynamique des algorithmes, afin de rendre compte de la dynamique du mouvement et des interactions.

Motion planning is an important and very active research area in Robotics that has seen rapid progress in recent years, notably thanks to the development of probabilistic exploration methods to which the LAAS has contributed and that allow the treatment of a wide class of combinatorially complex problems. Planning object manipulation tasks corresponds to a more complicated instance of the problem which consists not only in planning the collision-free motions of the robot but also the sequencing and the interdependencies of the different elementary actions (e.g. grasp, place and transfer of an object) allowing to perform the task. The work of LAAS has led to original and complementary planning techniques for solving these problems at both the geometric and symbolic planning levels. The thesis concerns the combination of these geometric/symbolic planning techniques in a hybrid "Combined task and Motion Planning" (CTAMP) approach, which is very popular in the community today, and aims at better dealing with the high complexity of these manipulation task planning problems on which LAAS has a recognized expertise, both in the geometric (motion) and symbolic (task) components. Indeed, these problems require the exploration of very high dimensional spaces that cannot be efficiently treated only at the geometric level, and moreover the solution cannot be limited to a set of partially ordered high level actions, but also requires a complete instantiation of these actions indicating the different locations of the robots and objects, as well as the various movements of the robots and their synchronization. The contributions available today in the literature do not provide a satisfactory answer in a reasonable time when confronted with situations as complex as those we propose to study. A promising avenue will certainly be to study the coupling of learning methods with motion and/or task planning algorithms for a more efficient solution search. We will also be interested in refined models of the interaction constraints (robot-robot or human-robot), in particular through criteria to be optimized that take into account not only the configuration of the human-robot system but also the trajectory and the dynamics of the motions, with more sophisticated cost functions, to be developed or resulting from a learning of the interaction constraints on the task, and which may require the kino-dynamic extension of the algorithms, in order to account for the dynamics of the movement and the interactions.