Lifelong Exploratory Navigation : integrating planning, navigation and SLAM for autonomous mobile robots with finite resources

par Fabrice Mayran de Chamisso

Thèse de doctorat en Robotique

Sous la direction de Michaël Aupetit.

Soutenue le 18-11-2016

à l'Université Paris-Saclay (ComUE) , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....) (laboratoire) , Université Paris-Sud (1970-2019) (établissement opérateur d'inscription) et de Laboratoire de robotique interactive [Gif sur Yvette] (laboratoire) .

Le président du jury était David Filliat.

Le jury était composé de Michaël Aupetit, David Filliat, Raja Chatila, Simon Lacroix, Patrick Rives, Véronique Serfaty, Laurent Soulier.

Les rapporteurs étaient Raja Chatila, Simon Lacroix.

mots clés

• Robot
• Autonome
• Intelligence
• Apprentissage
• Slam
• Planification
• Robots mobiles
• Cartographie -- Informatique
• Estime (navigation)
• Topologie
• Apprentissage exploratoire

Titre traduit

Navigation exploratoire au long de la vie : une approche intégrant planification, navigation, cartographie et localisation pour des robots mobiles disposant de ressources finies

Résumé

Il est fondamental pour un robot d'être capable de se déplacer de manière complètement autonome afin d'accomplir une mission qui lui a été confiée, et ce avec un budget énergétique fini, dans un laps de temps contraint et sans connaissances préalables de l’environnement. Afin d'atteindre un objectif dans le plan ou l'espace, un robot doit à minima être capable d'accomplir quatre tâches: maintenir une représentation abstraite de l'environnement (une carte), être capable de se localiser à l'intérieur de cette représentation, utiliser la représentation pour planifier des itinéraires et naviguer le long de la trajectoire prévue tout en s'adaptant aux dynamiques de l'environnement et en évitant les obstacles. Chacun de ces problèmes a été étudié par la communauté de la robotique. Cependant, ces quatre composants sont en général étudiés séparément et sont par conséquent incompatibles entre eux pour l'essentiel. De plus, étant donné qu'humains et robots ne disposent que de ressources computationelles et mémorielles finies, les algorithmes de planification, navigation et SLAM devraient être capables de fonctionner avec des données incomplètes ou compressées tout en garantissant que le ou les objectifs fixés soient atteints. Dans cette thèse, la planification, la navigation et le SLAM dans des environnements arbitrairement grands et avec des ressources computationelles et mémorielles finies sont vues comme un seul problème, créant un nouveau paradigme que nous appelons Navigation Exploratoire au long de la Vie ou Lifelong Exploratory Navigation.

mots clés

• Robot
• Autonomous
• Intelligence
• Learning
• Slam
• Planning

Résumé

One of the yet unresolved canonical problems of robotics is to have robots move completely autonomously in order to accomplish any mission they are charged with, with time and resource constraints and without prior knowledge of the environment. Reaching a goal requires the robot to perform at least four tasks: maintaining an abstract representation of the environment (map), being able to localize itself within this representation, using the representation to plan paths and navigating on the planned paths while handling dynamics of the environment and avoiding obstacles. Each of these problems has been studied extensively by the robotics community. However, the four components are usually studied separately, and as a result are mostly incompatible with each other. Additionally, since humans as well as robots have to operate with finite memory and computing resources, long running planning, navigation and SLAM algorithms may have to operate on incomplete or compressed data while guaranteeing that the goal(s) can still be reached. In this thesis, planning, navigation and SLAM in arbitrarily large environments with finite computing resources and memory are considered as one single problem, for a new bio-inspired paradigm which we call Lifelong Exploratory Navigation.